基于贝叶斯框架的加权LS-SVM及其学习算法  

Bayesian Framework Based Weighted LS-SVM and Its Learning Algorithm

作　　者：梁筱斌[1] 罗飞[1] 许玉格[1] 周辉[1] 

机构地区：[1]华南理工大学自动化科学与工程学院,广东广州510641

出　　处：《微计算机信息》2009年第18期172-173,共2页Control & Automation

摘　　要：为了提高最小二乘支持向量机的鲁棒性,介绍了加权最小二乘支持向量机,给出了确定加权向量的一般方法。并介绍了基于贝叶斯框架的加权LS-SVM参数的优化方法,利用它建立了加权最小二乘支持向量机。最后用一个仿真实例来说明所提出的支持向量机的学习性能,比标准LS-SVM具有更好的鲁棒性。In order to increase the robustness of LS-SVM, weighted LS-SVM is introduced. Bayesian method for model parameter tuning and optimization is given, which can be used to construct a weighted LS-SVM. The simulation results show that the weighted LS-SVM performs significantly well and it possesses stronger robustness than that of the original LS-SVM.

关 键 词：结构风险最小化 加权最小二乘支持向量机 贝叶斯框架 鲁棒性 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]