改进向量投影的支持向量预选取方法

被引：9

作者：

杨静 ^{[1
]}

于旭 ^{[1
]}

谢志强 ^{[1
,2
]}

机构：

[1] 哈尔滨工程大学计算机科学与技术学院

[2] 哈尔滨理工大学计算机科学与技术学院

来源：

计算机学报 | 2012年 / 35卷 / 05期

基金：

中国博士后科学基金; 黑龙江省自然科学基金;

关键词：

支持向量机; 边界向量集合; Fisher线性判别; 中心向量;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

针对基于向量投影的支持向量预选取方法选取投影直线过于简单粗糙,导致需要选取较多的边界向量才能包含原始问题的支持向量的问题,提出了一种新的支持向量预选取方法.该方法通过定义好的投影直线具备的3个必要特征,提出:对于线性可分情况,利用Fisher线性判别算法来获取最佳的投影直线;对于非线性可分情况,利用特征空间中心向量所在直线作为相应的投影直线.由于该方法确定的投影直线可以更好地对样本投影进行分离,因此,与基于向量投影的支持向量预选取方法相比,该方法可用更少的原始样本来构造边界向量集合,可有效降低支持向量机算法的时空复杂度.在两个人工数据集和一个现实数据集上的实验表明,所提方法不仅可以达到以往各种实用的支持向量机算法分类精度,而且更为高效.

引用

页码：1002 / 1010

页数：9

共 7 条

[1] 基于向量投影的支撑向量预选取 [J].

李青 ;

焦李成 ;

周伟达 .

计算机学报, 2005, (02) :145-152

[2] 对多层前向神经网络研究的进一步看法 [J].

阎平凡 .

电子学报, 1999, (05) :83-86

[3] A novel virtual sample generation method based on Gaussian distribution [J].

Yang, Jing ;

Yu, Xu ;

Xie, Zhi-Qiang ;

Zhang, Jian-Pei .

KNOWLEDGE-BASED SYSTEMS, 2011, 24 (06) :740-748

[4] Handwritten character recognition through two-stage foreground sub-sampling [J].

Vamvakas, Georgios ;

Gatos, Basilis ;

Perantonis, Stavros J. .

PATTERN RECOGNITION, 2010, 43 (08) :2807-2816

[5] A tutorial on Support Vector Machines for pattern recognition [J].

Burges, CJC .

DATA MINING AND KNOWLEDGE DISCOVERY, 1998, 2 (02) :121-167

[6] SUPPORT-VECTOR NETWORKS [J].

CORTES, C ;

VAPNIK, V .

MACHINE LEARNING, 1995, 20 (03) :273-297

[7]

Improved training algorithm for support vector machines .2 Osuna E,Freund R,Girosi F. 7th IEEE workshop on Neural Networks for Signal Processing . 1997

← 1 →