LSSVM改进测地距离的核函数算法研究.pdfVIP

LSSVM改进测地距离的核函数算法研究吴登国，等

LSSVM改进测地距离的核函数算法研究

ResearchontheGeodesicDistance

ImprovedAlgorithm

ofLSSVMKernelFunction

巽管圈簧童垂李缓

(福州大学电气工程与自动化学院。福建福州350108)

摘要：针对满足一定形状的非线性不均匀分布样本点的分类与拟合问题，提出一种改进的测地距离算法。该算法综合利用传统的

k近邻法和占半径近邻法来确定样本点的近邻关系点，提高了计算样本点测地距离的精确性。将算法应用于最小二乘支持向量机的

核函数，通过数据分类仿真测试以及在结构健康检测中丢失数据重构的回归应用，提高了分类与拟合的精度。最后，经试验证明r所

提算法的优越性。

关键词：k近邻法s半径近邻法最小二乘支持向量机数据重构数据分类核函数

中图分类号：TP274+．2文献标志码：A

theclassificationandforinnonlinearanddistributionandmeet

Abstract：Forcertain

fittingspecimenpointsinhomogeneoussharps，the

distanceisdeterminestheofthethe

improvedgeodesicalgorithmproposed．Thealgorithmneighborpointsspecimenpointsbycombining

traditionalk-nearestmethodwith8-radiusenhancestheofcalculationofdistancefor

method。thus

neighborneighborprecisegeodesicspecimen

of

hastothekernelfunctionleastvectordataclassificationsimulation

point．Thealgorithmbeen印曲edsquaresupportmachine(LSSVM)，through

reconstructionoflostdatainthestructuralhealththeofclassificationandis

test，anddetection，andprecisefittingenhanced．Finally，the

theofthe

experimentsverifysuperiorityproposedalgorithm．

methodLeastvectorreconstruction

Keywords：k-nearestmethod占一radius

neighborneighborsquaJ℃8supportmachine(LSSVM)Data

DataclassificafionKernelfunction

因此算法复杂。文献