文件名称：稀疏最小二乘支持向量机 (2007年)
文件大小：251KB
文件格式：PDF
更新时间：2024-06-12 12:30:34
工程技术 论文
针对大规模数据集的回归和分类问题，改进了最小二乘支持向量机．以再生核希尔伯特空间中的线性分析为基础，把样本集映射到再生空间中，然后张成再生空间的一个线性子空间，并求出这个子空间的基．利用基线性表示子空间中的其他元素，减小了求解矩阵的维数，通过求解规模相对较小的线性方程组完成对支持向量机的训练．采用该方法对较大规模的数据样本进行了回归和分类仿真试验，并与普通的最小二乘支持向量机进行比较．结果表明，采用该方法解决复杂非线性函数的回归和分类问题，不但可以得到稀疏解，而且计算速度比普通最小二乘支持向量机提高了约2