一种改进的最小二乘孪生支持向量机分类算法.pdf

《一种改进的最小二乘孪生支持向量机分类算法.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第5期电子学报V01．42No．52014年5月ACrAⅡ(RONICASINICAMay2O14一种改进的最iN-乘孪生支持向量机分类算法储茂祥，一，王安娜，巩荣芬，(1．东北大学信息科学与工程学院，辽宁沈阳110819；2．辽宁科技大学电子与信息工程学院，辽宁鞍山114051)摘要：提出了一种新的模式分类器，即广泛权重的最小二乘孪生支持向量机．该支持向量机在正、负两类样本上广泛地增加权重，很好地抑制了交叉噪声样本对数据分类的影响．其次，根据间隔最大化原理，该支持向量机在目标函数上增加了一个正规化项，实现结构

2、风险最小化和避免在求解该目标函数时可能对病态矩阵求逆的处理．同时，提出了利用一种指数函数计算训练样本的密度来获得样本权重值的算法．该算法能够有效缩减计算权重的时间，且具有较强的鲁棒性．实验证明本文提出的广泛权重的最小二乘孪生支持向量机能够实现高精度和高效率的分类效果，而且特别适合于含有交叉噪声样本的数据集分类．关键词：模式分类；最小二乘；孪生支持向量机；权重；指数函数中图分类号：TP18文献标识码：A文章编号：0372—2112(2014)05．0998．06电子学报URL．http：／／www．,journa

3、1．org．cnDOI：10．3969／j．issn．0372—2112．2014．05．026ImprovementonLeastSquaresTwinSupportVectorMachineforP甜emClassificationCHUMao．xiangl'．WANGAn．na，GONGRong-fen，2，(1．CollegeofInformationScienceandEngineering，NortheasternUnivers，Shenyang，Liaoning110819，China；2．Sch

4、oolofElectronicandInformationEngineering，UniversityofScienceandT~hnologyLiaoning，Anshan，Liaoning114051，China)Abstract：Widelyweightedleastsquarestwinsupportvectormachine(WWLSTSVM)isproposedforpattemclassification．InWWLSTSVM，weightsarewidelyaddedonelTorvariabl

5、esofdatasamplesbothinoneclassandtheother．Thiswidelyweightedmethodisespeciallyefectiveoneliminalingtheinterferenceofintercrossingnoisesamples．Moreover，amgularizadontermisadded、vimthetheoryofmaximizingmargin．inwhichthestructuralriskisminimizedandthepossibleill

6、-conditioningisavoidedforma—trixinve~ion．Also，anefectiveweightalgorithmwithexponentialfunctionisproposedtoreducethetimecomplexityofcomputingweightvaluesandenhanceitsrobusmessforcrossplanedataset．ComparativeexperimentsshowthatWWLSTSVMobtainsbetterre—sultsonel

7、iminatingtheinterferenceofnoisesamplesandhigherclassificationaccuracywithlesscomputingtimeinbothlinearandnonlinearcasescomparedwiththeotherclassifiers．Keywords：patternclassifcation；leastsquares；twinsupportvectormachine；weight；exponentialfunction分类，且求解两个相对更小的

8、二次规划问题(Quadratic1引言PmgramngProblem，QPP)，这使得TSVM的速度明显快标准的支持向量机(SupportVectorMachine。SVM)_1于标准的支持向量机．邵元海等人在TSVM的基础上提由Vapnik等人提出，现已广泛应用于模式分类和回归出了孪生边界支持向量机(TwinBoundSVM，rBsvM)l6J，分析等领域[2-4J．标准的支持向量机