小型微型计算机系统
小型微型計算機繫統
소형미형계산궤계통
MINI-MICRO SYSTEMS
2006年
6期
980-985
,共6页
核Logistic回归%特征矢量选择%SVM%分类
覈Logistic迴歸%特徵矢量選擇%SVM%分類
핵Logistic회귀%특정시량선택%SVM%분류
将经典Logistic回归推广到高维RKHS空间,提出了一种基于特征矢量选择的核Logistic回归算法--FVS-KLR.该算法利用特征矢量选择(FVS)从训练样本集中选择一个特征矢量集,原样本在RKHS空间中的映射可用该集合中元素映射的线性组合近似.以特征矢量集为基得到核Logistic回归的目标泛函,并采用Newton-Raphson方法寻优,将优化的计算量由O(N3)降到O(NL2),LN.同时文章推导了多类情况下的核Logistic回归算法.通过与SVM的对比实验表明,该算法对后验概率的估计优于SVM方法,同时在分类错误率不高于SVM的基础上能显著降低分类器的计算量.
將經典Logistic迴歸推廣到高維RKHS空間,提齣瞭一種基于特徵矢量選擇的覈Logistic迴歸算法--FVS-KLR.該算法利用特徵矢量選擇(FVS)從訓練樣本集中選擇一箇特徵矢量集,原樣本在RKHS空間中的映射可用該集閤中元素映射的線性組閤近似.以特徵矢量集為基得到覈Logistic迴歸的目標汎函,併採用Newton-Raphson方法尋優,將優化的計算量由O(N3)降到O(NL2),LN.同時文章推導瞭多類情況下的覈Logistic迴歸算法.通過與SVM的對比實驗錶明,該算法對後驗概率的估計優于SVM方法,同時在分類錯誤率不高于SVM的基礎上能顯著降低分類器的計算量.
장경전Logistic회귀추엄도고유RKHS공간,제출료일충기우특정시량선택적핵Logistic회귀산법--FVS-KLR.해산법이용특정시량선택(FVS)종훈련양본집중선택일개특정시량집,원양본재RKHS공간중적영사가용해집합중원소영사적선성조합근사.이특정시량집위기득도핵Logistic회귀적목표범함,병채용Newton-Raphson방법심우,장우화적계산량유O(N3)강도O(NL2),LN.동시문장추도료다류정황하적핵Logistic회귀산법.통과여SVM적대비실험표명,해산법대후험개솔적고계우우SVM방법,동시재분류착오솔불고우SVM적기출상능현저강저분류기적계산량.