一种改进的基于支持向量机的概率密度估计方法

摘要：

统计学习理论是针对小样本数据而提出的一套理论，支持向量机方法可用于解决有限样本情况下的概率密度估计问题，该种方法与Parzen窗的精度等级类似，同时又具有Parzen窗方法所不具备的稀疏解，但应用过程中耗时较多。本文提出了一种基于支持向量机的改进密度估计方法，分析了其原理，通过仿真实验的对比，改进后的密度估计方法与改进前相比，估计精度的水平保持不变，训练后的支持向量数目不变，对训练样本的训练时间大幅缩短。由仿真结果可知，本文提出的对支持向量机法估计概率密度的改进是可行的。

关键词：统计学习理论、支持向量机、概率密度估计、Parzen窗

所属期刊栏目：11

分类号：TP181(自动化基础理论)

在线出版日期：2012-04-21（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：126-130,150