最小二乘支持向量机在对偶空间训练,而原空间优化的近似解优于对偶空间优化的近似解,为此构造原空间最小二乘支持向量机(primal least square support vector machine,PLS-SVM)。将等式约束纳入目标函数构造无约束优化模型,根据最优解...最小二乘支持向量机在对偶空间训练,而原空间优化的近似解优于对偶空间优化的近似解,为此构造原空间最小二乘支持向量机(primal least square support vector machine,PLS-SVM)。将等式约束纳入目标函数构造无约束优化模型,根据最优解条件导出线性系统。对核矩阵进行三角分解,将线性和非线性最小二乘支持向量机的训练归结为相同形式,利用共轭梯度法求解。对比SVM和LS-SVM的仿真结果表明,PLS-SVM具有最高的分类精度和最短的训练时间。展开更多
文摘最小二乘支持向量机在对偶空间训练,而原空间优化的近似解优于对偶空间优化的近似解,为此构造原空间最小二乘支持向量机(primal least square support vector machine,PLS-SVM)。将等式约束纳入目标函数构造无约束优化模型,根据最优解条件导出线性系统。对核矩阵进行三角分解,将线性和非线性最小二乘支持向量机的训练归结为相同形式,利用共轭梯度法求解。对比SVM和LS-SVM的仿真结果表明,PLS-SVM具有最高的分类精度和最短的训练时间。