核极化的多核LSSVM及其在分类中的应用 |
| |
引用本文: | 刘文婧,陈肖洁. 核极化的多核LSSVM及其在分类中的应用[J]. 机械设计与制造, 2018, 0(1): 58-61 |
| |
作者姓名: | 刘文婧 陈肖洁 |
| |
作者单位: | 内蒙古科技大学机械工程学院; |
| |
基金项目: | 国家自然科学基金项目(21366017);内蒙古科技大学科研启动项目(2014QDL024);内蒙古自然科学基金(2016MS0543) |
| |
摘 要: | 为了解决最小二乘支持向量机对于选择核函数盲目性的问题,将核度量标准核极化和多核学习引入最小二乘支持向量机中,提出了基于核极化的多核最小二乘支持向量机算法。算法首先利用核极化确定每个基本核函数的权系数,再根据多核学习原理组合多核函数,然后,建立多核最小二乘支持向量机模型,并进行模型的学习训练和预测。UCI数据上的试验结果表明,所提出的算法比SVM、最小二乘支持向量机和其他的多核学习方法具有更高的分类准确率。
|
关 键 词: | 最小二乘支持向量机 核极化 多核学习 多分类 |
Least Squares Support Vector Machine with Multiple Kernels Based on Kernel Polarization and Its Application in Classification |
| |
Abstract: | |
| |
Keywords: | Least Squares Support Vector Machine Kernel Polarization Multiple Kernel Learning Multiclass |
本文献已被 CNKI 维普 等数据库收录! |
|