南京理工大学学报（自然科学版）
南京理工大學學報（自然科學版）
남경리공대학학보（자연과학판）
JOURNAL OF NANJING UNIVERSITY OF SCIENCE AND TECHNOLOGY
2012年
1期
12-17
,共6页
余正涛%邹俊杰%赵兴%苏磊%毛存礼
餘正濤%鄒俊傑%趙興%囌磊%毛存禮
여정도%추준걸%조흥%소뢰%모존례
最小二乘支持向量机%稀疏化%主动学习%分类
最小二乘支持嚮量機%稀疏化%主動學習%分類
최소이승지지향량궤%희소화%주동학습%분류
针对最小二乘支持向量机( LSSVM)稀疏化问题,提出一种基于主动学习的LSSVM数据稀疏化学习算法.首先基于核聚类的方法选取初始样本,并利用LSSVM构建一个最小分类器,然后计算样本在分类器作用下的分布,选择最接近分类面的样本进行标记,最后将该标记样本加入训练集建立新的分类器,重复上述过程直到模型精度满足要求,以此建立部分样本的LSSVM稀疏化模型.利用加利福尼亚大学欧文分校(UCI)提供的6种数据集进行实验,结果表明,提出的方法使LSSVM的稀疏性提高了46％以上,减少了标注样本带来的成本.
針對最小二乘支持嚮量機( LSSVM)稀疏化問題,提齣一種基于主動學習的LSSVM數據稀疏化學習算法.首先基于覈聚類的方法選取初始樣本,併利用LSSVM構建一箇最小分類器,然後計算樣本在分類器作用下的分佈,選擇最接近分類麵的樣本進行標記,最後將該標記樣本加入訓練集建立新的分類器,重複上述過程直到模型精度滿足要求,以此建立部分樣本的LSSVM稀疏化模型.利用加利福尼亞大學歐文分校(UCI)提供的6種數據集進行實驗,結果錶明,提齣的方法使LSSVM的稀疏性提高瞭46％以上,減少瞭標註樣本帶來的成本.
침대최소이승지지향량궤( LSSVM)희소화문제,제출일충기우주동학습적LSSVM수거희소화학습산법.수선기우핵취류적방법선취초시양본,병이용LSSVM구건일개최소분류기,연후계산양본재분류기작용하적분포,선택최접근분류면적양본진행표기,최후장해표기양본가입훈련집건립신적분류기,중복상술과정직도모형정도만족요구,이차건립부분양본적LSSVM희소화모형.이용가리복니아대학구문분교(UCI)제공적6충수거집진행실험,결과표명,제출적방법사LSSVM적희소성제고료46％이상,감소료표주양본대래적성본.
