主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
田盛丰,黄厚宽.回归型支持向量机的简化算法.软件学报,2002,13(6):1169-1172
回归型支持向量机的简化算法
A Simplification Algorithm to Support Vector Machines for Regression
投稿时间:2000-08-23  修订日期:2001-04-03
DOI:
中文关键词:  支持向量机  回归  机器学习  计算复杂性  算法
英文关键词:support vector machine  regression  machine learning  computational complexity  algorithm
基金项目:国家铁道部科技研究开发项目(2000X030-A)
作者单位
田盛丰 北方交通大学,计算机与信息技术学院,北京,100044 
黄厚宽 北方交通大学,计算机与信息技术学院,北京,100044 
摘要点击次数: 2637
全文下载次数: 4962
中文摘要:
      针对支持向量机应用于函数估计时支持向量过多所引起的计算复杂性,提出一种简化算法,可以大幅度地减少支持向量的数量,从而简化其应用.采用简化算法还可以将最小平方支持向量机算法和串行最小化算法结合起来,达到学习效率高且生成的支持向量少的效果.
英文摘要:
      Aiming at the computational complexity resulted from the large amounts of support vectors when the support vector machines (SVMs) are used in function estimation, a simplification algorithm is presented to reduce the number of support vectors and simplify applications. By the adaptation of the simplification algorithm, the LS-SVM (least square support vector machine) algorithm can be combined with SMO (sequential minimal optimization) algorithm to achieve good results with high learning efficiency and a few number of support vectors.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会 京ICP备05046678号-4
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利