-
题名基于独立成分分析的分解向前SVM降维算法
被引量：2
- 1
-
-
作者
罗泽举
宋丽红
朱思铭
-
机构
重庆工商大学计算机科学与信息工程学院
重庆工商大学实验实习中心
中山大学数学与计算科学学院
-
出处
《计算机应用》
CSCD
北大核心
2007年第9期2249-2252,共4页
-
基金
重庆市教育委员会科学技术研究项目(KJ0707022)
-
文摘
提出一种基于大样本学习的分解向前支持向量机算法和一种新的基于独立成分分析的降维学习模型,其算法的复杂度比传统块算法和标准SVM低。利用不完备ICA思想,达到数据压缩而降维的目的。实验发现,由于降低了输入维数,简化了数据结构,从而减少了SVM识别的计算复杂度,当把向量维数从110维降低到5维时,平均识别率超过传统神经网络达到93%,因而从计算时间和识别效率二者的综合情况来考虑,ICA降维模型是一种理想的实际应用模型。
-
关键词
独立成分分析
分解向前支持向量机
蛋白质序列识别
-
Keywords
Independent component analysis （ICA）
Decomposition Forward Support Vector Machine （DFSVM）
recognition for protein sequence
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
TP181
[自动化与计算机技术—控制理论与控制工程]
-
