基于加权特征子空间的支持向量机核函数研究

摘要：

针对数据分类交叉空间易错分问题,提出一种基于加权特征子空间的支持向量机核函数方法.该方法利用加权特征子空间与稀疏表达等相关理论进行支持向量机核函数优化,首先利特征子空间重叠率与数据的信息熵对数据特征进行加权,再通过对L1范数正则项的加权处理调节异类数据间的稀疏性和同类数据间的稠密性;最后对处理好的数据进行分类测试.仿真实验表明该算法能够在一定程度上提升分类效果,以达到优化核函数的目的.

关键词：支持向量机、L1范数、核函数、加权特征子空间、信息熵

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金;江西省自然科学基金面上项目;江西省教育厅科学技术研究重点项目

在线出版日期：2020-07-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：6101-6106