LSSVM优化方法研究.pdf

LSSVM优化方法的研究 摘要 解决Fou(sonomy存在垃圾标签的问题，本文提出垃圾标签检测模型。 分类。通过检测出隐藏在正常用户群体中的垃圾投放人，以此减少垃圾标 签数量。针对传统SVM算法在高维大规模数据集上存在速度和精度的瓶 颈，和在有限的小样本数据集体现出泛化性不强的特点，本文提出基于 圾标签检测模型具有更高的分类精度和更少的预测时间，表现要比svm算 法要好。 本文为了通过研究普通lssvm算法发现，hsvm算法虽然在大规模数据 集上分类精度和预测时间上表现比较好，但是也存在稀疏性问题，这是因 为算法本身在数学变换上造成全部训练数据都成了支持向量，所有的训练 点都相关。为了解决这个问题，本文提出了改进的算法，先按权重进行排 序，通过剪切拉格朗日因子处理数据集，只保留重要的训练点，通过实验 证明，本文在精度上有比较大提高。 另外，本文将改进的LSSVM算法应用在人口预测领域上，实验证明， 本文算法在预测精度上比起LSSVM算法上有很大提高。 关键词：垃圾标签社会化标签系统LSSVM检测模型改进的 LSSⅥⅥ人口预测