基于中心加权的局部核向量机算法 |
| |
引用本文: | 李琳,伍少梅,唐宁九.基于中心加权的局部核向量机算法[J].电子科技大学学报(社会科学版),2014(4). |
| |
作者姓名: | 李琳 伍少梅 唐宁九 |
| |
作者单位: | 四川大学计算机学院; |
| |
摘 要: | 为了解决大规模非线性分类中局部学习的不平衡性问题,提出一种改进的局部支持向量机算法,在高维特征空间中聚类后,为每一个簇构造局部非线性支持向量机。为了克服簇内样本的分布不均衡问题,根据闭合超平面不规则边界的几何特点,经过梯度下降寻找稳定均衡向量,以此构造簇几何中心;再结合簇密度中心共同约束类心形成双重加权中心。然后通过求解加权最小闭球问题实现对大规模样本向量的分类。对照实验显示,除了个别数据集以外,改进的算法在训练时间、测试时间以及测试精度等方面都比另外两种分类算法表现更佳。
|
关 键 词: | 双中心 超曲面 局部支持向量机 最小闭球 稳定均衡向量 |
本文献已被 CNKI 等数据库收录! |
|