一种新的非线性支持向量机分类算法

摘要：

本研究通过显示的构造一个非线性的映射函数,设计了一种新的非线性支持向量机(SVM)分类器学习算法。该算法可以被理解为一种特殊的正则化网络,对它的训练仅需要一个求解一个阶数与训练样本个数无关的线性方程组。实验结果证实，该算法在保持正确率的前提下,可以显著的降低训练时间，而且具有比SLFN更好的泛化性能。

关键词： 人工智能 机器学习 支持向量机 计算机数学

作者: 刘秋阁 何清 史忠植

作者单位: 中国科学院计算技术研究所智能信息处理重点实验室 中国科学院研究生院 北京,100080,中国 中国科学院计算技术研究所智能信息处理重点实验室 中国科学院计算技术研究所智能信息处理重点实验室 北京,100080,中国

会议类型: 国内会议

会议名称: 中国人工智能学会第12届全国学术年会

会议地点: 哈尔滨

会议语种:中文

页码: 190-195

在线出版日期: 2007-11-20（万方平台首次上网日期，不代表论文的发表时间）