国家自然科学基金(60373090)
- 作品数：12 被引量：81H指数：5
- 相关作者：刘小茂张钧孔波刘振丙曹淑娟更多>>
- 相关机构：华中科技大学福建农林大学解放军信息工程大学更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：理学自动化与计算机技术天文地球更多>>
- 线性支持向量分类机的平凡解被引量：2
- 2007年
- 对二类分类问题,在线性可分或近似线性可分情况下,对线性支持向量分类机的平凡解进行了讨论,得出了解为平凡解的充要条件,说明了其几何意义,指出了避免出现这一现象的解决办法.该充要条件表明:对给定的训练集T,最优解是否为平凡解取决于训练集T的样本点在空间的分布位置,与惩罚参数C值的选取无关.一旦出现平凡解,线性支持向量分类机将会失效.为解决这一问题,可通过增加或减少训练集T中的样本点来实现.
- 刘小茂全廷伟张钧
- 关键词：KKT条件平凡解
- 一种改进的线性SVM被引量：3
- 2007年
- 对模式分类中的近似线性可分问题提出了一种新的近似线性支持向量机(SVM):先对近似线性分类中的训练集所形成的两类凸壳进行了相似变形,使变形后的凸壳线性可分,再用平分最近点和最大间隔法求出理想的分划超平面,然后再通过求解最大间隔法的对偶问题得到基于相似压缩的近似线性SVM。此外,还从理论和实证分析两个方面将该方法与线性可分SVM及已有的近似线性可分SVM进行了对比分析,说明了该方法的优越性与合理性。
- 田立刘振丙刘小茂
- 关键词：SVM
- 一种稀疏最小二乘支持向量分类机被引量：13
- 2007年
- 一般的支持向量分类机需要求解二次规划问题,最小二乘支持向量机只需求解一个线性方程组,但其缺乏稀疏性.为了改进最小二乘支持向量分类机,本文结合中心距离比值及增量学习的思想提出一种基于预选、筛选支持向量的稀疏最小二乘支持向量机.该方法既能弥补最小二乘向量机的稀疏性,减少计算机的存储量和计算量,加快最小二乘支持向量机的训练速度和决策速度,又能对非均衡训练数据造成的分类面的偏移进行纠正,还不影响最小二乘支持向量机的分类能力.3组实验结果也证实了这一点.
- 刘小茂孔波高俊斌张钧
- 关键词：稀疏性边界向量
- 基于中心距离比值的增量支持向量机被引量：23
- 2006年
- 研究了支持向量、中心距离比值、边界向量以及增量学习之间的关系,提出了基于中心距离比值的增量支持向量机。与传统方法相比,基于中心距离比值的增量支持向量机有效的利用了中心距离比值,解决了CDRM+SVM的阈值选取问题;且适合于增量学习;从而在保证了支持向量机的分类能力没有受到影响的前提下提高了支持向量机的训练速度。
- 孔波刘小茂张钧
- 关键词：统计学习理论支持向量机
- 基于相似压缩的近似线性SVM
- 2007年
- 为了解决模式识别中的近似线性可分问题,提出了一种新的近似线性支持向量机(SVM).首先对近似线性分类中的训练集所形成的两类凸壳进行了相似压缩,使压缩后的凸壳线性可分;基于压缩后线性可分的凸壳,再用平分最近点和最大间隔法求出最优的分划超平面.然后再通过求解最大间隔法的对偶问题,得到基于相似压缩的近似线性SVM.最后,从理论和实证分析两个方面,将该方法与线性可分SVM及推广的平分最近点法进行了对比分析,说明了该方法的优越性与合理性.
- 刘小茂刘振丙张钧
- 关键词：支持向量机
- 一种基于Bhattacharyya核的SVM
- 2005年
- 包括图像识别在内的很多应用领域里,把单个样本表示成向量的集合的形式是很自然的想法,利用一个合适的核函数我们可以把这些向量映射到一个更高维的Hilbert空间,在这个高维空间里用Kernel PCA方法找到样本的高斯分布族,这样就可以把样本上的核函数定义成它们所服从的高斯分布密度函数的Bhattacharrya仿射.这样得到的核函数具有比较好的性质,比如说在各种变换下有稳定性表现,从而也说明了即使还有别的表示样本的方法,用向量集合的形式来表示单个的样本也是具有合理性的.
- 刘振丙刘小茂
- 关键词：KERNELPCA方法
- 基于类中心思想的去边缘模糊支持向量机被引量：14
- 2006年
- 针对两类分类问题中样本点数量多、类别模糊且有孤立野点的情况,论文在类中心向量方法的基础上,提出了一种基于类中心思想的去边缘模糊支持向量机,该方法用类中心思想预先去掉那些可能不是支持向量的点,并采用降半哥西分布作为隶属度,使其适合模糊分类的性能特点。从理论和实证分析两个方面将该方法与线性可分SVM及模糊SVM进行了对比分析,结果显示该方法不但大大减少了训练点数目,从而减小了内存和计算量,提高了训练速度,而且减少了孤立野点对支持向量分类机的影响。
- 曹淑娟刘小茂张钧刘振丙
- 关键词：模糊支持向量机
- 一种新的支持向量回归预测模型
- 2009年
- 综合最小二乘回归估计和支持向量机回归估计算法的各自在回归理论上的优势,通过理论推导,提出一种改进的支持向量机回归估计算法——SVR-LS方法。然后通过实验对比验证,发现新方法不但在拟合逼近方面有不错的效果,而且在回归估计方面,其学习速度和精度都要优于标准的支持向量机回归估计算法。
- 刘勇高飞李岩郭淑妹
- 关键词：支持向量机最小二乘估计支持向量回归机
- 预抽取相对较近边界向量的选块算法被引量：5
- 2006年
- 利用支持向量机中支持向量的稀疏性和支持向量分布于分划超平面周围的性质,该文提出了一种预抽取相对较近边界向量的选块算法的新算法,该算法减少了普通选块算法的迭代次数和提高了仅依靠相对较近边界向量的准确率,从而大大加快了支持向量机的训练速度,且支持向量机的分类能力不受任何影响。
- 孔波刘小茂曹淑娟苏展
- 关键词：支持向量机
- 基于最小超球体的快速分类法
- 2006年
- 文章提出了两种快速分类的方法——基于最小超球体的平分最近点法和基于最小超球体的按比例划分法。前者只对分别包含正、负类训练点的两类超球体线性可分的情形有效,后者则适用于线性可分和近似线性可分的两类分类问题,且在确定分划超平面时融入了对训练集分布特征的考虑。两种方法皆借鉴了平分最近点法的思想,结合超球体的几何特征,用解析几何方法就可求得分划超平面,从而避免了求解二次规划,大大缩短了训练时间,减小了内存占用量,尤其在处理大规模数据集时优势更为明显。两种方法的特点及其和平分最近点法的对比在实证中都给予了分析说明。
- 苏展刘小茂曹淑娟孔波
- 关键词：支持向量机
