局部保留最大信息差v-支持向量机

摘要：

针对现有模式分类方法不能较好地保持数据空间的局部流形信息或差异信息等问题,提出一种基于流形学习的局部保留最大信息差v-支持向量机(Locality-preserved maximum information variance v-support vector machine,v-LPMIVSVM).对于模式分类问题,v-LPMIVSVM引入局部同类离散度和局部异类离散度概念,分别体现输入空间局部流形结构和局部差异(或判别)信息,通过最小化局部同类离散度和最大化局部异类离散度,优化分类器的投影方向.同时,v-LPMIVSVM采用适于流形数据的测地线距离来度量数据点对间的相似性,以更好地反映流形数据的本质结构.人造和实际数据集实验结果显示所提方法具有良好的泛化性能.

关键词：局部保留投影、v-支持向量机、流形学习、局部同类离散度、局部异类离散度

所属期刊栏目：38

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金60975027;60903100;宁波市自然科学基金2009A610080

在线出版日期：2012-05-17（万方平台首次上网日期，不代表论文的发表时间）

页码：97-108