一种具有统计不相关性的最优边界鉴别向量集
孙正
张晓光
徐桂云
胡晓磊
王忠青
1.中国矿业大学,机电工程学院,江苏,徐州,2211162.中国矿业大学,机电工程学院,江苏,徐州,2211163.中国矿业大学,机电工程学院,江苏,徐州,2211164.中国矿业大学,机电工程学院,江苏,徐州,2211165.中国矿业大学,机电工程学院,江苏,徐州,221116
摘要：为了解决现有维数约简算法受样本分布影响较大、不支持小样本学习等问题,在分析线性鉴别分析(LDA)中最优鉴别向量与支持向量机(SVM)中分类超平面法向量之间关系的基础上,基于统计不相关最优鉴别向量集优于正交最优鉴别向量集的事实,提出了通过对改进的SVM的二次优化问题进行递归求解来获取具有统计不相关性的最优边界鉴别向量集的算法,并使用核方法将其推广到可以解决非线性特征抽取问题.结果表明:在采用相同参数并使用k-最近邻分类器进行训练和测试的情况下,提出的算法对实际数据集Waveform,Heart,Diabetis的分类精度均高于SVM和RSVM,不会出现当抽取超过最优维数时随着抽取维数的增加分类精度反而降低的现象,体现了本算法在抽取不相关特征向量方面的有效性.
关键词：支持向量机(SVM)维数约简统计不相关最优边界鉴别向量
分类号：TP391.41(计算技术、计算机技术)
资助基金：江苏省高技术研究项目(BG2007-013)江苏省"六大人才高峰"项目(06-E-052)
论文发表日期：2009-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 856-861 )
英文信息