稀疏隐空间支持向量机OA北大核心CSCDCSTPCD
Sparse hidden space support vector machine
利用L1范数放宽函数集的VC维上界,构造出基于L1范数的结构风险.在隐空间中,利用这一结构风险,提出了稀疏隐空间支持向量机.由于L1范数具有诱导稀疏性的本质,使得稀疏隐空间支持向量机获得了良好的稀疏性.同隐空间支持向量机一样,稀疏隐空间支持向量机对核函数没有Mercer条件的限制,扩大了核函数的选择范围.在人工和基准数据集上的分类和回归实验表明,所提算法具有同支持向量机相当的推广能力,并且其稀疏性优于支持向量机,从而使得函数评价速度大大加快.
王玲;薄列峰;刘芳;焦李成
西安电子科技大学,智能信息处理研究所,陕西,西安,710071西安电子科技大学,智能信息处理研究所,陕西,西安,710071西安电子科技大学,计算机学院,陕西,西安,710071西安电子科技大学,智能信息处理研究所,陕西,西安,710071
信息技术与安全科学
支持向量机VC界结构风险稀疏性
《西安电子科技大学学报（自然科学版）》 2006 (6)
进化计算理论、方法及其应用
896-901,6
国家自然科学基金(60372050,60133010)资助国家863高技术研究发展计划项目基金(2002AA135080)资助
评论