改进的投影孪生支持向量机

陈素根; 吴小俊

doi:10.3969/j.issn.0372-2112.2017.02.020

您当前的位置：

首页 >

文章列表页 >

改进的投影孪生支持向量机

学术论文 | 更新时间：2025-07-16

- 改进的投影孪生支持向量机
- Improved Projection Twin Support Vector Machine
- 电子学报 2017年45卷第2期页码：408-416
- 作者机构：
  
  1. 江南大学物联网工程学院,江苏,无锡,214122
  2. 安庆师范大学数学与计算科学学院,安徽,安庆,246133
  3. 江南大学物联网工程学院,江苏,无锡,214122
  4. 安庆师范大学数学与计算科学学院,安徽,安庆,246133
- 作者简介：
- 基金信息：
  
  国家自然科学基金 (No.61373055）;安徽省高等学校自然科学研究重点项目 (No.KJ2015A266，No.KJ2016A431）
- DOI：10.3969/j.issn.0372-2112.2017.02.020
  中图分类号： TP391
- 网络出版：2017-02-25，
  
  纸质出版：2017
- 稿件说明：
移动端阅览
陈素根, 吴小俊. 改进的投影孪生支持向量机[J]. 电子学报, 2017,45(2):408-416.

CHEN Su-gen, WU Xiao-jun. Improved Projection Twin Support Vector Machine[J]. Acta Electronica Sinica, 2017, 45(2): 408-416.
陈素根, 吴小俊. 改进的投影孪生支持向量机[J]. 电子学报, 2017,45(2):408-416. DOI： 10.3969/j.issn.0372-2112.2017.02.020.

CHEN Su-gen, WU Xiao-jun. Improved Projection Twin Support Vector Machine[J]. Acta Electronica Sinica, 2017, 45(2): 408-416. DOI： 10.3969/j.issn.0372-2112.2017.02.020.

摘要

针对投影孪生支持向量机（Projection Twin Support Vector Machine，PTSVM）在训练和求解过程中存在的问题，提出了一类改进的投影孪生支持向量机（Improved PTSVM），简称为IPTSVM.该文首先构造了改进的线性投影孪生支持向量机，然后利用核技巧轻松将其推广到了非线性形式.本文的主要贡献有：（1）提出了投影孪生支持向量机的新模型，克服了原始PTSVM在训练之前需要求解两个逆矩阵的问题；（2）继承了传统SVM（Support Vector Machine）的精髓，利用核技巧直接将线性IPTSVM推广到非线性形式；（3）引入了一个新的参数，可以调节模型的性能，提高了IPTSVM的分类精度.实验结果表明，与PTSVM算法相比较，IPTSVM不仅提高了分类精度，而且克服了PTSVM的一些不足.

Abstract

An Improved Projection Twin Support Vector Machine (IPTSVM) is presented.The target of the proposed IPTSVM is to deal with a set of problems in the training and solving steps of PTSVM.We first propose a linear IPTSVM for binary classification.Then we extend it to the corresponding nonlinear version using kernel tricks.The paper has three main contributions to the community:(1) A new PTSVM-based method is proposed

in which we do not have to compute the inverse of a large matrix before the training step.(2) We design the nonlinear IPSVM that is obtained by using kernel tricks.(3) A new parameter is introduced

which can adjust the performance of the model and improve the classification accuracy of IPTSVM.Experimental results obtained from several datasets demonstrate that

compared with PTSVM

IPTSVM not only improves the classification accuracy but also overcomes some deficiencies to a certain extent.

关键词

Keywords

references

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于结构化特征重构的高光谱图像分类

融合句嵌入模型和代码特征的补丁验证方法

基于改进时域多尺度散布熵与支持向量机的转辙机故障诊断

雷达极化域变焦角反组合体对抗方法：抗冲淡式干扰

基于小波变换和深度网络的着陆地貌图像分类