基于中心加权的局部核向量机算法.pdfVIP

第43卷 第4期 电子 科 技 大 学 学 报 V61．43 No．4 2014年7月 JournalofUniversityofElectronicScienceandTechnologyofChina Ju1．2014 基于中心加权的局部核向量机算法 李 琳，伍少梅，唐宁九 (1~)ll大学计算机学院 成都 610065) 【摘要】为了解决大规模非线性分类中局部学习的不平衡性问题，提出一种改进的局部支持向量机算法，在高维特征空 间中聚类后，为每一个簇构造局部非线性支持向量机。为了克服簇内样本的分布不均衡问题，根据 闭合超平面不规则边界的 几何特点，经过梯度下降寻找稳定均衡向量，以此构造簇几何中心；再结合簇密度中心共同约束类心形成双重加权中心。然 后通过求解加权最小闭球问题实现对大规模样本向量的分类。对照实验显示，除了个别数据集以外，改进的算法在训练时间、 测试时间以及测试精度等方面都比另外两种分类算法表现更佳。 关 键 词 双中心；超曲面；局部支持向量机：最小闭球：稳定均衡向量 中图分类号 TP181 文献标志码 A doi：10．39690．issn．1001．0548．2014．04．025 Center-W eightedandLocalizedCoreVectorM achineAlgorithm LILin，WUShao-mei，andTANGNing-jiu (SchoolofComputerScience，SichuanUniversity Chnegdu 6~006s) Abstract Animprovedalgorithm ofrlocalizedsupportvectormachineiSproposedtoresolvetheimbalance oflocallearning problem ni nonlniearclassificmionson largedata sets．Thealgorithm usesthe supervised clusternigalgorithm forclusterniginafeaturespaceofhighdmi ensionandhtenconstructslocalnonlniearsupport vectormachinesofreachcluster．Accordnigtohtegeometricfeautreofirregularbordersofenclosnigsphere，the geometriccenterofrasatbleequilibrium pointiSconstructednadadual-weightedcenteroftworelevantweightsiS formedthroughcalculatingdensitycenterofhtecluster．Atlast．hteclassificationoflragedaat setiScarriedoutby solvnighteproblem ofweightedmniimum enclosnigbal1．Compraedwiht hteohterwt oalgorithmsofconrtolled group，hteproposedalgorithm showsshorterrtaniingtmienadtestnigtimeaswellashighertestingprecision exceptofrsomenidividualdaatsets． Keywords doublecenters； hypersurface； localizedsupportvectormachine； minimum enclosnigball； stableequilibriumpoint 支持向量机(supportvectormachnie，SVM)是20 提出的基于有监督聚类的局部SVM算法改进 了上述 世纪90年代中期出现的机器学习技术，具有强泛化 问题，但当样本数量较大时会耗时较多。在非