回归型支持向量机的简化算法
DOI:
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

基金项目:

国家铁道部科技研究开发项目(2000X030-A)


A Simplification Algorithm to Support Vector Machines for Regression
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    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.

    Abstract:

    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.

    参考文献
    相似文献
    引证文献
引用本文

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

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2000-08-23
  • 最后修改日期:2001-04-03
  • 录用日期:
  • 在线发布日期:
  • 出版日期:
文章二维码
您是第位访问者
版权所有:中国科学院软件研究所 京ICP备05046678号-3
地址:北京市海淀区中关村南四街4号,邮政编码:100190
电话:010-62562563 传真:010-62562533 Email:jos@iscas.ac.cn
技术支持:北京勤云科技发展有限公司

京公网安备 11040202500063号