一种改进的最少核分类器

摘要：

最少核分类器是包含最少错分点和最少支持向量的一种分类器.本文提出基于特征选择的最少核分类器,在实现使用最少样本点来构造和表示一般线性规划支持向量机(svm)的同时,还进行了特征选择,提高了分类器的泛化能力,在以后的样本测试中使用更少的特征维数,减少识别过程计算量.特征选择过程中主要通过引入映射函数ψ<,σ>(x)=ψ(Σx),以原始输入空间中进行特征选择.数值试验表明,改进过的分类器能有效压缩无用的特征属性,具有较强的泛化能力.

关键词： 支持向量机 特征选择 核函数 线性规划 最少核分类器

作者: 邵小健 段华 贺国平

作者单位: 山东科技大学信息科学与工程学院(山东泰安) 山东科技大学信息科学与工程学院(山东泰安);上海交通大学应用数学系(上海)

会议类型: 国内会议

会议名称: 中国运筹学会第七届学术交流会

会议地点: 青岛

会议语种:中文

页码: 114-120

在线出版日期: 2004-10-01（万方平台首次上网日期，不代表论文的发表时间）