收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

最小二乘支持向量机稀疏化技术的研究

孙欣  
【摘要】:最小二乘支持向量机把传统支持向量机的二次规划问题转化为线性方程组来求解,降低了计算的复杂度,其存在的问题是:由于支持值不为零,使得解缺乏稀疏性,影响向量机的性能。 本文引入两种聚类方法对此问题进行优化:采用聚类算法来进行训练样本的选取,保留贡献值大的数据,去除对决策模型贡献小的样本,相当于将该部分数据的支持值置为零,从而获得问题的稀疏解,建立简洁有效的决策模型。对于聚类算法的选择,本文引入了核空间距离聚类和子空间粒子群聚类两种能够有效处理高维、大规模数据集的聚类算法,分别基于核距离和聚类中心构建出只包含有效数据样本的稀疏化支持向量机模型;UCI测试数据集上的实验结果显示:虽然两种稀疏化方法有各自的优缺点,但都能够有效地对最小二乘支持向量机的训练样本进行稀疏化处理,在保证精度的情况下,降低了向量机训练阶段的资源耗费,提高了训练的效率,改善了最小二乘支持向量机的稀疏性。 最后将稀疏化方法优化的最小二乘支持向量机应用于大规模入侵检测问题,实验结果进一步验证了本文稀疏化方法的可行性和有效性。


知网文化
【相似文献】
中国期刊全文数据库 前17条
1 陶少辉;陈德钊;胡望明;;最小二乘支持向量机分类器的高稀疏化及应用[J];系统工程与电子技术;2007年08期
2 温菊屏;林冬梅;;图稀疏化:加速图聚类的有效方法[J];计算机工程与设计;2013年11期
3 吴宗亮;窦衡;;一种新的最小二乘支持向量机稀疏化算法[J];计算机应用;2009年06期
4 余正涛;邹俊杰;赵兴;苏磊;毛存礼;;基于主动学习的最小二乘支持向量机稀疏化[J];南京理工大学学报;2012年01期
5 冯笑笑;刘本永;;基于高阶相关的稀疏化和径向基核分类法[J];雷达科学与技术;2007年03期
6 崔树标;张云;周华民;李德群;;边界元矩阵稀疏化算法及其应用[J];上海交通大学学报;2008年10期
7 赵英海;蔡俊杰;吴秀清;孙福明;;基于稀疏化图结构的转导多标注视频概念检测算法[J];模式识别与人工智能;2011年06期
8 司刚全;曹晖;张彦斌;贾立新;;一种基于密度加权的最小二乘支持向量机稀疏化算法[J];西安交通大学学报;2009年10期
9 汪涛,邢小良;感知器的动态稀疏化学习[J];自动化学报;1995年01期
10 汪琪;李传荣;马灵玲;唐伶俐;李剑剑;;基于训练字典的压缩感知光谱稀疏化方法[J];遥感技术与应用;2013年06期
11 过琦芳;;稀疏化的基于核密度估计的向量机[J];信息与电脑(理论版);2011年09期
12 张继军;马登武;邓力;范庚;;LS-SVM参数估计与稀疏化方法研究及应用[J];系统仿真学报;2014年05期
13 林波;张增辉;朱炬波;;基于压缩感知的DOA估计稀疏化模型与性能分析[J];电子与信息学报;2014年03期
14 刘耀年;沈轶群;姜成元;陈灵根;;基于LSSVM与SMO稀疏化算法的短期负荷预测[J];继电器;2008年04期
15 陈德华;周蒙;孙延青;郑亮亮;;MR-GSpar:一种基于MapReduce的大图稀疏化算法[J];计算机科学;2013年10期
16 赵春晖;许云龙;黄辉;崔冰;;基于Schmidt正交单位化的稀疏化定位算法[J];哈尔滨工程大学学报;2014年06期
17 陶少辉;陈德钊;胡望明;;基于CCA对LSSVM分类器的稀疏化[J];浙江大学学报(工学版);2007年07期
中国硕士学位论文全文数据库 前3条
1 孙欣;最小二乘支持向量机稀疏化技术的研究[D];广西大学;2014年
2 冯笑笑;基于模式样本稀疏化和高阶相关的分类方法研究[D];电子科技大学;2007年
3 邵哲;X波段大型相控阵稀疏化研究[D];电子科技大学;2012年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978