您的位置： 专家智库 > >

陕西省教育厅科研计划项目(2010JK773)

作品数：4 被引量：8H指数：2
相关作者：吴德梁锦锦更多>>
相关机构：西安石油大学西安电子科技大学更多>>
发文基金：国家自然科学基金陕西省教育厅科研计划项目更多>>
相关领域：自动化与计算机技术更多>>

文献类型

  • 4篇中文期刊文章

领域

  • 4篇自动化与计算...

主题

  • 4篇支持向量
  • 4篇支持向量机
  • 4篇向量机
  • 2篇最小二乘
  • 2篇最小二乘支持...
  • 2篇向量
  • 2篇共轭梯度
  • 2篇共轭梯度法
  • 1篇支持向量机算...
  • 1篇凸二次规划
  • 1篇全局最优
  • 1篇子群
  • 1篇熵函数
  • 1篇稳健性
  • 1篇稀疏性
  • 1篇向量机算法
  • 1篇粒子群
  • 1篇粒子群优化
  • 1篇聚类
  • 1篇均值聚类

机构

  • 4篇西安电子科技...
  • 4篇西安石油大学

作者

  • 4篇梁锦锦
  • 4篇吴德

传媒

  • 2篇计算机工程与...
  • 1篇西安交通大学...
  • 1篇人工智能与机...

年份

  • 2篇2014
  • 2篇2013
共 4 条 记 录，以下是 1-4
全选 清除 导出
排序方式：
稀疏L1范数最小二乘支持向量机被引量：6
2014年
为了提高最小二乘支持向量机的训练速度,提出一种稀疏最小二乘支持向量机L1SLSSVM。该模型采用权重向量的L1范数控制分类间隔,最小二乘损失函数度量误差。将线性和核空间最小二乘支持向量机的训练归结为同一形式,均转化为仅有部分变量具非负约束的凸二次规划。对比SVM、LSSVM与SLSSVM的数值实验结果表明,L1SLSSVM具有好的稀疏性、高的分类精度和短的训练时间。
梁锦锦吴德
关键词：最小二乘支持向量机稀疏性L1范数凸二次规划
新型二分类支持向量机P2M-SVM
2013年
提出基于可能性二均值聚类(Possibilistic Two Means, P2M)的二分类支持向量机(Support Vector Machine, SVM)。该算法先用P2M对未知类别的二分类数据进行划分,然后利用支持向量机对划分后的数据进行训练。人造数据和UCI数据上的分类实验表明,该算法综合利用了P2M聚类的稳健性和SVM分类的强泛化能力,提高了传统聚类的分类精度并降低了SVM的类别采集代价。
梁锦锦吴德
关键词：全局最优稳健性泛化能力
原空间最小二乘支持向量机
2014年
最小二乘支持向量机在对偶空间训练,而原空间优化的近似解优于对偶空间优化的近似解,为此构造原空间最小二乘支持向量机(primal least square support vector machine,PLS-SVM)。将等式约束纳入目标函数构造无约束优化模型,根据最优解条件导出线性系统。对核矩阵进行三角分解,将线性和非线性最小二乘支持向量机的训练归结为相同形式,利用共轭梯度法求解。对比SVM和LS-SVM的仿真结果表明,PLS-SVM具有最高的分类精度和最短的训练时间。
梁锦锦吴德
关键词：最小二乘支持向量机共轭梯度法
粒子群优化的隐空间光滑支持向量机算法被引量：2
2013年
针对隐空间支持向量机求解约束凸二次规划存在训练时间长、计算复杂的问题,提出粒子群优化的隐空间光滑支持向量机算法(PSO-HSSSVM)。该算法通过隐函数将训练样本映射至隐空间,且对隐函数没有正定性限制;在隐空间中以熵函数近似松弛向量的加函数,导出光滑可微的无约束凸二次规划;引入共轭梯度法求解光滑模型,并采用粒子群优化算法选取最优参数。数值实验表明,PSO-HSSSVM算法可拓宽光滑支持向量机的核函数范围,而其训练精度和训练时间与光滑支持向量机的相当;PSO-HSSSVM算法可将隐空间支持向量机的训练精度提高2.14%,而其训练时间仅为隐空间支持向量机的9.5%。
梁锦锦吴德
关键词：支持向量机熵函数粒子群优化共轭梯度法
全选 清除 导出
共1页<1>
聚类工具0