控制理论与应用
控製理論與應用
공제이론여응용
CONTROL THEORY & APPLICATIONS
2014年
3期
334-342
,共9页
刘建伟%黎海恩%刘媛%付捷%罗雄麟
劉建偉%黎海恩%劉媛%付捷%囉雄麟
류건위%려해은%류원%부첩%라웅린
q范数正则化%最小二乘-支持向量机(LS-SVM)%迭代再权共轭梯度法
q範數正則化%最小二乘-支持嚮量機(LS-SVM)%迭代再權共軛梯度法
q범수정칙화%최소이승-지지향량궤(LS-SVM)%질대재권공액제도법
q-norm regularization%LS-SVM%Iterative reweighted conjugate gradient method
L2范数罚最小二乘-支持向量机(least square support vector machine algorithm,LS-SVM)分类器是得到广泛研究和使用的机器学习算法,其算法中正则化阶次是事先给定的,预设q=2.本文提出q范数正则化LS-SVM分类器算法,0＜q＜∞,把q取值扩大到有理数范围.利用网格法改变正则化权衡参数c和正则化阶次q的值,在所选的c和q值上,使用迭代再权方法求解分类器目标函数,找出最小分类预测误差值,使预测误差和特征选择个数两个性能指标得到提高.通过对不同领域的实际数据进行实验,可以看到提出的分类算法分类预测更加准确同时可以实现特征选择,性能优于L2范数罚LS-SVM.
L2範數罰最小二乘-支持嚮量機(least square support vector machine algorithm,LS-SVM)分類器是得到廣汎研究和使用的機器學習算法,其算法中正則化階次是事先給定的,預設q=2.本文提齣q範數正則化LS-SVM分類器算法,0＜q＜∞,把q取值擴大到有理數範圍.利用網格法改變正則化權衡參數c和正則化階次q的值,在所選的c和q值上,使用迭代再權方法求解分類器目標函數,找齣最小分類預測誤差值,使預測誤差和特徵選擇箇數兩箇性能指標得到提高.通過對不同領域的實際數據進行實驗,可以看到提齣的分類算法分類預測更加準確同時可以實現特徵選擇,性能優于L2範數罰LS-SVM.
L2범수벌최소이승-지지향량궤(least square support vector machine algorithm,LS-SVM)분류기시득도엄범연구화사용적궤기학습산법,기산법중정칙화계차시사선급정적,예설q=2.본문제출q범수정칙화LS-SVM분류기산법,0＜q＜∞,파q취치확대도유리수범위.이용망격법개변정칙화권형삼수c화정칙화계차q적치,재소선적c화q치상,사용질대재권방법구해분류기목표함수,조출최소분류예측오차치,사예측오차화특정선택개수량개성능지표득도제고.통과대불동영역적실제수거진행실험,가이간도제출적분류산법분류예측경가준학동시가이실현특정선택,성능우우L2범수벌LS-SVM.
