基于QR分解的稀疏LSSVM算法

摘要：

传统最小二乘支持向量机(LSSVM)一般通过随机选择部分样本得到核矩阵的低秩近似提高解的稀疏性,为了使该近似分解用尽可能小的低秩矩阵更好地近似原核矩阵,提出一种基于正交三角(QR)分解的 QRP-LSSVM稀疏算法.采用 QR 分解保持正交的特性挑选差异更大的样本,迭代地精选核矩阵的部分列得到核矩阵的Nystr?m型低秩近似,并利用分解结果快速求得最小二乘支持向量机的稀疏解.实验分析表明,该算法在不牺牲分类性能的前提下可得到更稀疏的解,甚至在稀疏水平不超过0.05%的情况下准确率也较高,可有效解决大规模训练问题.

关键词：稀疏最小二乘支持向量机、QR分解、稀疏解

所属期刊栏目：56

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金61772020,61179040

在线出版日期：2018-05-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：347-354