基于特征值分解的中心支持向量机.pdfVIP

第38 卷第3 期 电 子 与 信 息 学 报 Vol.38No.3 2016 年3 月 Journal of Electronics Information Technology Mar. 2016 基于特征值分解的中心支持向量机算法 陈素根①② 吴小俊*① ①(江南大学物联网工程学院 无锡 214122) ②(安庆师范学院数学与计算科学学院 安庆 246133) 摘 要：针对广义特征值中心支持向量机(GEPSVM)训练和决策过程不一致问题，该文提出一类改进的基于特征 值分解的中心支持向量机，简称为IGEPSVM。首先针对二分类问题提出了基于特征值分解的中心支持向量机，然 后基于“一类对余类”策略将其推广到多类分类问题。将GEPSVM 求解广义特征值问题转化为求解标准特征值问 题，降低了计算复杂度。引入了一个新的参数，可以调节模型的性能，提高了GEPSVM 的分类精度。提出了基于 IGEPSVM 的多类分类算法。实验结果表明，与GEPSVM 算法相比较，IGEPSVM 不仅提高了分类精度，而且缩 短了训练时间。 关键词：支持向量机；广义特征值中心支持向量机；两类分类；多类分类；特征值分解 中图分类号：TP391 文献标识码：A 文章编号：1009-5896(2016)03-0557-08 DOI: 10.11999/JEIT150693 Eigenvalue Proximal Support Vector Machine Algorithm Based on Eigenvalue Decoposition ①② ① CHEN Sugen WU Xiaojun ① (School of IoT Engineering, Jiangnan University, Wuxi 214122, China) ② (School of Mathematics Computational Science, Anqing Normal University, Anqing 246133, China) Abstract: To deal with the consistency problem of training process and decision process in Generalized Eigenvalue Proximal Support Vector Machine (GEPSVM), an improved version of eigenvalue proximal support vector machine, called IGEPSVM for short is proposed. At first, IGEPSVM for binary classification problem is proposed, and then Multi-IGEPSVM is also presented for multi-class classification problem based on “one-versus-rest” strategy. The main contributions of this paper are as follows.