[1]马波 王正群 侯艳平 邹军.基于边界近邻的最小二乘支持向量机实现[J].计算机技术与发展,2008,(05):108-111.
　MA Bo,WANG Zheng-qun,HOU Yan-ping,et al.Least Squares Support Vector Machine Based on Boundary Nearest[J].,2008,(05):108-111.
点击复制

基于边界近邻的最小二乘支持向量机实现()
分享到：

《计算机技术与发展》[ISSN:1006-6977/CN:61-1281/TN]

卷:
期数:
2008年05期
页码:
108-111
栏目:
智能、算法、系统工程
出版日期:
1900-01-01

文章信息/Info

Title:
Least Squares Support Vector Machine Based on Boundary Nearest
文章编号:
1673-629X（2008）05-0108-04
作者:
马波 王正群 侯艳平 邹军
扬州大学信息工程学院
Author(s):
MA Bo; WANG Zheng-qun;  HOU Yan-ping;  ZOU Jun
School of Information Engineering, Yangzhou University
关键词:
最小二乘支持向量机; 一对多方法; 边界近邻
Keywords:
least squares support vector machine;  one-against- rest;  boundary nearest
分类号:
TP181
文献标志码:
A
摘要:
最小二乘支持向量机采用最小二乘线性系统代替传统的支持向量即采用二次规划方法解决模式识别问题，能够有效地减少计算的复杂性。但最小二乘支持向量机失去了对支持向量的稀疏性。文中提出了一种基于边界近邻的最小二乘支持向量机，采用寻找边界近邻的方法对训练样本进行修剪，以减少了支持向量的数目。将边界近邻最小二乘支持向量机用来解决由1—a—r（one—against—rest）方法构造的支持向量机分类问题，有效地克服了用1—a—r（one—against—rest）方法构造的支持向量机分类器训练速度慢、计算资源需求比较大
Abstract:
Least squares support vector machines can reduce the high computational complexity. Duo to equality type constraints in the formulation, the solution follows from solving a set of linear equations instead of quadratic programming for classical SVM. But un

相似文献/References:

[1]黄谦 肖侬 刘波.基于支持向量机的网格负载信息预测模型[J].计算机技术与发展,2007,(06):32.
　HUANG Qian,XIAO Nong,LIU Bo.Grid Load Forecasting Based on Least Squares Support Vector Machine[J].,2007,(05):32.
[2]肖强.基于多尺度稀疏LSSVM的时间序列预测[J].计算机技术与发展,2011,(03):117.
　XIAO Qiang.Multi-Scale Least Squares Support Vector Machine for Time Series Forecasting[J].,2011,(05):117.
[3]刘静.基于最小二乘支持向量机车牌字符特征识别[J].计算机技术与发展,2013,(05):195.
　LIU Jing.LSSVM-based License Plate Character Feature Recognition[J].,2013,(05):195.
[4]邓宗强,曾碧卿.一种新参数优化算法及其在流量预测中的应用[J].计算机技术与发展,2013,(10):36.
　DENG Zong-qiang[],ZENG Bi-qing[].A New Parameter Optimization Algorithm and Its Application in Traffic Prediction[J].,2013,(05):36.
[5]薛松,李雷. 基于类内离散度的最小二乘支持向量机[J].计算机技术与发展,2015,25(04):71.
　XUE Song,LI Lei. Least Squares Support Vector Machine Based on Within-class Scatter[J].,2015,25(05):71.
[6]陈志凡[],单剑锋[],宋晓涛[],等. 基于PSO-LSSVM的模拟电路故障诊断[J].计算机技术与发展,2015,25(05):209.
　CHEN Zhi-fan[],SHAN Jian-feng[],SONG Xiao-tao[],et al. Analog Circuit Fault Diagnosis Based on PSO-LSSVM[J].,2015,25(05):209.
[7]胡天骐[],单剑锋[],宋晓涛[]. 基于改进PSO-LSSVM的模拟电路诊断方法[J].计算机技术与发展,2015,25(06):193.
　HU Tian-qi[],SHAN Jian-feng[],SONG Xiao-tao[]. Analog Circuit Fault Diagnosis Method Based on PSO-LSSVM[J].,2015,25(05):193.

备注/Memo

备注/Memo:
江苏省自然科学基金项目（05KJB5201）;扬州大学自然科学基金（KK0413160）马波（1981-），男，硕士研究生，研究领域为模式识别与神经网络；王正群，博士，副教授，研究领域为模式识别、机器学习
更新日期/Last Update: 1900-01-01