粒子群优化的隐空间光滑支持向量机算法

梁锦锦; 吴德

您当前的位置：

首页 >

文章列表页 >

粒子群优化的隐空间光滑支持向量机算法

更新时间：2025-07-09

- 粒子群优化的隐空间光滑支持向量机算法
- 暂无标题
- 西安交通大学学报 2013年第12期页码：38-42
- 作者机构：
  
  1. 西安石油大学理学院
  2. 西安电子科技大学计算机学院
- 作者简介：
- 基金信息：
  
  国家自然科学基金资助项目(61373174);陕西省教育厅专项科研计划资助项目(2010JK773);西安石油大学博士专项科研基金资助项目(YS29030903)
- DOI：
  中图分类号： TP18
- 纸质出版：2013
- 稿件说明：
移动端阅览
梁锦锦, 吴德. 粒子群优化的隐空间光滑支持向量机算法[J]. 西安交通大学学报, 2013,(12):38-42.
梁锦锦, 吴德. 粒子群优化的隐空间光滑支持向量机算法[J]. 西安交通大学学报, 2013,(12):38-42. DOI：

DOI：

摘要

针对隐空间支持向量机求解约束凸二次规划存在训练时间长、计算复杂的问题

提出粒子群优化的隐空间光滑支持向量机算法(PSO-HSSSVM)。该算法通过隐函数将训练样本映射至隐空间

且对隐函数没有正定性限制;在隐空间中以熵函数近似松弛向量的加函数

导出光滑可微的无约束凸二次规划;引入共轭梯度法求解光滑模型

并采用粒子群优化算法选取最优参数。数值实验表明

PSO-HSSSVM算法可拓宽光滑支持向量机的核函数范围

而其训练精度和训练时间与光滑支持向量机的相当;PSO-HSSSVM算法可将隐空间支持向量机的训练精度提高2.14%

而其训练时间仅为隐空间支持向量机的9.5%。

Abstract

关键词

Keywords

references

Chuandong Qin1,3,and Sanyang Liu2 1.School of Computer Science and Technology,Xidian University,Xi'an 710071,P.R.China,2.Department of Mathematics,Xidian University,Xi'an 710071,P.R.China,3.Research Institute of Information and System Computation Science,North National University,Yinchuan 750021,P.R.China.Fuzzy smooth support vector machine with different smooth functions[J].Journal of Systems Engineering and Electronics,2012(03).

王玲,薄列峰,刘芳,焦李成.最小二乘隐空间支持向量机[J].计算机学报,2005(08).

Xinjun Peng,Yifei Wang,Dong Xu.Structural twin parametric-margin support vector machine for binary classification[J].Knowledge-Based Systems,2013.

Shifei Ding,Bingjuan Qi.Research of granular support vector machine[J].Artificial Intelligence Review,2012.

Jun Cheng,Can Xie,Wei Bian,Dacheng Tao.Feature fusion for 3D hand gesture recognition by learning a shared hidden space[J].Pattern Recognition Letters,2010(4).

Yuh-Jye Lee,O.L. Mangasarian.SSVM: A Smooth Support Vector Machine for Classification.[J].Comp. Opt. and Appl.,2001.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

规则递归T-S模糊模型及其辨识方法

低频和高频交流电场助燃对比及燃烧特征参数预测研究

采用改进共空间模式算法的四类表情辅助脑电信号识别方法

改进的熵特征在行星齿轮裂纹故障识别中的应用

支持向量机预测可变参数的永磁同步电机快速终端滑模控制