一种改进的临近支持向量机  

An Improved Proximal Support Vector Machine

作　　者：解丹蕊[1] 薛惠峰[1] 和文全[1] 杜喆[2] 

机构地区：[1]西北工业大学自动化学院,陕西西安710072 [2]西安电子科技大学应用数学系,陕西西安710071

出　　处：《计算机仿真》2008年第6期96-98,112,共4页Computer Simulation

基　　金：国家自然科学基金(60574075);陕西省自然科学基金资助项目(2005F45);陕西省软科学研究计划资助项目2006KR30)

摘　　要：基于线性临近支持向量机,提出一种改进的分类器—直接支持向量机。该分类器与临近支持向量机相比,对线性分类二者相同;对于非线性分类,直接支持向量机的Lagrangian乘子求解公式和分类器的表达式都更加简单,计算复杂度降低一半,且通过替代核函数就可实现线性与非线性的统一,可使用相同的算法代码,改正了临近支持向量机的不足。数值实验表明,非线性分类时,直接支持向量机的训练速度比临近支持向量机要快一倍左右,而测试速度则快更多,且分类精度并没有降低。Based on the linear proximal support vector machine（PSVM） , an improved classifier --direct support vector machine（ DSVM ） is proposed. Comparing with PSVM, DSVM has the same form for the linear case. But for the nonlinear case, the formulas of Langrangian multiplier and the classifier are much simpler, and the computational complexity is reduced to half of PSVM＇s. By substituting the kernel function, the same programming can be obtained and the same code can be used, thus overcoming the disadvantages of PSVM. Numerical experiments show that the nonlinear DSVM has a speed approximately twice of PSVM for training and a faster speed for testing, while its classification accuracy is not degraded.

关 键 词：临近支持向量机 支持向量机 分类 核函数 

分 类 号：TP181[自动化与计算机技术—控制理论与控制工程]