基于共有GP-LVM和改进型SVM的数据分类算法

针对传统谱算法在数据分类问题中的局限,提出一种基于共有GP-LVM和改进型SVM的数据分类算法。通过高斯过程(GP)对数据流形建立概率模型,得到高斯过程隐变量模型(GP-LVM),分析GP-LVM得到数据流形的特征信息;利用多核迭代的方式,改进SVM算法中的核函数,建立最佳的数据分类器,实现数据分类。选取FERET、UCI多类数据库进行对比实验,实验结果表明,该算法可以有效地对高维数据进行分类,针对均衡数据和不均衡数据也具有良好的分类效果,较传统算法在分类准确率上提高8%左右。