最小二乘小波支持向量机的DNA序列分类方法  

DNA classification based on Least Square Wavelet Support Vector Machine

作　　者：冼广铭[1] 曾碧卿[1] 冼广淋[2] 

机构地区：[1]华南师范大学南海校区计算机工程系,广东佛山528225 [2]广东轻工职业技术学院计算机系,广州510300

出　　处：《计算机工程与应用》2009年第12期222-225,共4页Computer Engineering and Applications

摘　　要：目前使用的已有SVM核函数,在分类中不能逼近某一L(2R)(平方可积空间)子空间上的任意分类界面。针对上述问题,在支持向量机的核函数方法和小波框架理论的基础上,提出了LS-WSVM结构模型。实验结果表明,和标准的SVM和LS-SVM比较起来,在同等条件下,LS-WSVM在分类方面具有优良的特征提取性能。SVM kernel function used at present can not approach to any classification boundary in sub-space of a square inte grable space L2（R）.Aiming at the problem above,based on conditions of the support vector kernel function and wavelet frame theory,authors propose the construction model of Least Square Wavelet Support Vector Machine（KS-WSVM）.Compared with standard SVM and LS-SVM under the same conditions,experimental results show that LS-WSVM has more excellent performance of feature abstraction in classification.

关 键 词：支持向量机 核函数 最小二乘小波支持向量机 分类 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]