排序方式: 共有2条查询结果,搜索用时 0 毫秒
1
1.
为了对分类最小二乘支持向量机实施有效的稀疏化,以提高分类速率,采用分类相关分析算法,按序提取样本核矩阵的全部分类相关成分,并依据样本核矩阵各列与分类相关成分的相关性,对训练集所有个体按分类的重要性排序,进而可选取最重要的部分个体作为支持向量,并将其余非支持向量的信息转移至支持向量,以提高支持向量的分类表达能力.由此构建一种新的稀疏型最小二乘支持向量机CS LSSVM,并将其应用于多个模式分类的实际问题.测试结果表明,CS LSSVM稀疏性很强,且保持了标准LSSVM的分类性能,还可直接适用于多类问题. 相似文献
2.
1