计算机研究与发展
計算機研究與髮展
계산궤연구여발전
JOURNAL OF COMPUTER RESEARCH AND DEVELOPMENT
2014年
3期
590-597
,共8页
分类%多面支持向量机%保局投影%主成分分析%经验核映射
分類%多麵支持嚮量機%保跼投影%主成分分析%經驗覈映射
분류%다면지지향량궤%보국투영%주성분분석%경험핵영사
classification%multiple surface support vector machine (MSSVM)%locality preserving projection (LPP)%principal component analysis (PCA)%empirical kernel mapping
多面支持向量机(multiple surface support vector machine,MSSVM)分类方法作为传统支持向量机(support vector machine,SVM)的拓展在模式识别领域成为新的研究热点之一,然而已有的MSSVM方法并没有充分考虑到训练样本之间的局部几何结构以及所蕴含的判别信息.因此将保局投影(locality preserving projections,LPP)的基本思想引入到MSSVM中,提出局部保持对支持向量机(locality preserving twin support vector machine,LPTSVM).LPTSVM方法不但继承了MSSVM方法具有的异或(XOR)问题处理能力,而且充分考虑样本间的局部几何结构,体现样本间所蕴含的局部判别信息,从而在一定程度上提高了分类精度.主成分分析(principal component analysis,PCA)方法克服了LPTSVM奇异性问题,保证了LPTSVM方法的有效性.非线性情况下,通过经验核映射方法构造了非线性LPTSVM.在人造数据集和真实数据集上的测试表明LPTSVM方法具有较好的泛化性能.
多麵支持嚮量機(multiple surface support vector machine,MSSVM)分類方法作為傳統支持嚮量機(support vector machine,SVM)的拓展在模式識彆領域成為新的研究熱點之一,然而已有的MSSVM方法併沒有充分攷慮到訓練樣本之間的跼部幾何結構以及所蘊含的判彆信息.因此將保跼投影(locality preserving projections,LPP)的基本思想引入到MSSVM中,提齣跼部保持對支持嚮量機(locality preserving twin support vector machine,LPTSVM).LPTSVM方法不但繼承瞭MSSVM方法具有的異或(XOR)問題處理能力,而且充分攷慮樣本間的跼部幾何結構,體現樣本間所蘊含的跼部判彆信息,從而在一定程度上提高瞭分類精度.主成分分析(principal component analysis,PCA)方法剋服瞭LPTSVM奇異性問題,保證瞭LPTSVM方法的有效性.非線性情況下,通過經驗覈映射方法構造瞭非線性LPTSVM.在人造數據集和真實數據集上的測試錶明LPTSVM方法具有較好的汎化性能.
다면지지향량궤(multiple surface support vector machine,MSSVM)분류방법작위전통지지향량궤(support vector machine,SVM)적탁전재모식식별영역성위신적연구열점지일,연이이유적MSSVM방법병몰유충분고필도훈련양본지간적국부궤하결구이급소온함적판별신식.인차장보국투영(locality preserving projections,LPP)적기본사상인입도MSSVM중,제출국부보지대지지향량궤(locality preserving twin support vector machine,LPTSVM).LPTSVM방법불단계승료MSSVM방법구유적이혹(XOR)문제처리능력,이차충분고필양본간적국부궤하결구,체현양본간소온함적국부판별신식,종이재일정정도상제고료분류정도.주성분분석(principal component analysis,PCA)방법극복료LPTSVM기이성문제,보증료LPTSVM방법적유효성.비선성정황하,통과경험핵영사방법구조료비선성LPTSVM.재인조수거집화진실수거집상적측시표명LPTSVM방법구유교호적범화성능.
