-
题名基于马氏距离的密度加权最小二乘孪生支持向量机
- 1
-
-
作者
吕莉
贺智鹏
张法滢
张莹莹
康平
李院民
-
机构
南昌工程学院信息工程学院
南昌市智慧城市物联感知与协同计算重点实验室
-
出处
《江西师范大学学报(自然科学版)》
北大核心
2025年第1期37-48,共12页
-
基金
国家自然科学基金(62066030)资助项目。
-
文摘
最小二乘孪生支持向量机基于欧氏距离判断样本相似性并搭建模型的方法未考虑样本不同维度的方差差异对决策超平面位置的影响,导致模型处理此类样本精度不高且对噪声样本敏感.鉴于此,该文提出一种基于马氏距离的密度加权最小二乘孪生支持向量机.该算法利用马氏距离替换欧氏距离构造密度加权策略,充分考虑点与分布的关系,给予噪声数据较低的权重,降低算法对噪声的敏感性;同时结合马氏距离核函数计算样本内协方差矩阵,消除样本特征值之间方差的差异,更准确地体现样本间的相关性,从而优化决策超平面.实验采用人工数据集和UCI数据集,实验结果表明:该算法比同类型分类算法具有更高的分类精确度和泛化能力,能够有效区分在样本中的噪声数据并赋予合适的权重值,提升分类器的鲁棒性.
-
关键词
支持向量机
马氏距离
核函数
密度加权
最小二乘损失函数
-
Keywords
support vector machine
Mahalanobis distance
kernel function
density weighting
least squares loss function
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名鲁棒最小二乘孪生支持向量机及其稀疏算法
- 2
-
-
作者
靳启帆
陈丽
徐明亮
姜晓恒
-
机构
郑州大学计算机与人工智能学院
郑州大学体育学院(校本部)
-
出处
《计算机工程与应用》
CSCD
北大核心
2022年第18期78-89,共12页
-
基金
国家自然科学基金(62036010,6217071932,62172371,U21B2037)
河南省博士后基金
河南省自然科学基金(22100002)。
-
文摘
最小二乘孪生支持向量机通过求解两个线性规划问题来代替求解复杂的二次规划问题,具有计算简单和训练速度快的优势。然而,最小二乘孪生支持向量机得到的超平面易受异常点影响且解缺乏稀疏性。针对这一问题,基于截断最小二乘损失提出了一种鲁棒最小二乘孪生支持向量机模型,并从理论上验证了模型对异常点具有鲁棒性。为使模型可处理大规模数据,基于表示定理和不完全Cholesky分解得到了新模型的稀疏解,并提出了适合处理带异常点的大规模数据的稀疏鲁棒最小二乘孪生支持向量机算法。数值实验表明,新算法比已有算法分类准确率、稀疏性、收敛速度分别提高了1.97%~37.7%、26~199倍和6.6~2 027.4倍。
-
关键词
鲁棒最小二乘孪生支持向量机
截断最小二乘损失函数
不完全Cholesky分解
表示定理
稀疏解
-
Keywords
robust least squares twin support vector machine
truncated least square loss function
incomplete Cholesky decomposition
representation theorem
sparse solution
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
