支持向量机在缺失数据样本分类上的应用

摘要：

在详细论述支持向量机的核心思想和基本算法的基础上,采用C-SVM算法用于未知样本分类,特别是对于缺失数据的未知样本,先采用序列极小化方法将与输出无关的特征剔除,对应地在原始训练集中剔除该特征所对应的数据并重新求解,否则采用插值法对缺失数据进行估计.

关键词： 最优超平面 拉格朗日对偶 支持向量机 序列极小化方法 插值

作者: 孙玺菁 司守奎 刘超

作者单位: 海军航空工程学院基础部,烟台264001

会议类型: 国内会议

会议名称: 第25届中国控制会议

会议地点: 哈尔滨

会议语种:中文

页码: 1137-1140

在线出版日期: 2006-08-07（万方平台首次上网日期，不代表论文的发表时间）