基于边界近邻的最小二乘支持向量机实现.pdfVIP

维普资讯 计 算 机 技 术 与发 展 vo1 第 l8卷 第5期 ． 18 № ．5 2008年 5月 COMPUTERTECHNOLOGYANDDEVEIX3PMENT May 2008 基于边界近邻的最小二乘支持向量机实现 马 波，王正群 ，侯艳平 ，邹 军 (扬州大学 信息工程学院，江苏扬州 225009) 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l—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 l—a—r(one—again．st— 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、存在拒分区域等缺点。实验结果表明，采用边界近 邻最小二乘支持向量机分类器，识别精度和识别速度都得到了提高 。 关键词：最小二乘支持向量机 ；一对多方法 ；边界近邻 中图分类号：TP181 文献标识码：A 文章编号：1673—629X(2008)05一O1o8一o4 LeastSquaresSupportVectorM achineBasedonBoundaryNearest MABo，WANGZheng—qun，HOUYan—ping，ZOU Jun (SchoolofInformationEngineering，YangzhouUniversity，Yangzhou225009，China) Abstract：Leastsquaressupportvectormachinescanreducethehighcomputationalcomplexity．Duotoequalitytypeconstraintsinthefor— mulation，thesolutionfollowsfromoslvingasetoflinearqeuations，insteadofquadraticprt~rammingforclassicalSVM ．Butunfortu— natelyaveryattractivefeatureofSVM ，namelyitssparseness，waslost．A new leastqsuaressupportvectormachinesbasedonboundary nearestwaspn)p∞ed，whichreduced thenumberofsupportvcetorbyusingboundarynearestmethodspruning thetrainingsample． Meanwhile，usesleastqsuaresupportvcetormachineforsolving multiclasspmblernsconstructde by1一a—r(one—against—rest) method，whichovercarflethedemeritsoflowtrainingspeed，highcomputationalrequirementsandexisting cetaleain1一a—r(one— against—rest)methodeffectively．Experimentalresultshowsthattheperformanceofaccur