Fisher正则化的最小二乘孪生支持向量机 |
| |
引用本文: | 张萌,陈素根.Fisher正则化的最小二乘孪生支持向量机[J].安庆师范学院学报(自然科学版),2023(4):52-59. |
| |
作者姓名: | 张萌 陈素根 |
| |
作者单位: | 安庆师范大学数理学院 |
| |
基金项目: | 国家自然科学基金项目(61702012);;安徽省高校自然科学研究重点项目(KJ2020A0505);;安徽省自然科学基金项目(1908085MF195,2008085MF193); |
| |
摘 要: | 最小二乘孪生支持向量机是一种有效的模式分类算法,然而每一个训练样本都对最终的决策平面有影响。如果训练集含有噪声或异常点,其会过度关注这些点,这可能导致最小二乘孪生支持向量机的判别能力较差。为了解决这个问题,受Fisher准则思想的启发,本文引入了双Fisher正则化项,并在此基础上提出了Fisher正则化的最小二乘孪生支持向量机。同时,在人工数据集和UCI数据集上验证了所提算法的有效性。
|
关 键 词: | 模式分类 孪生支持向量机 最小二乘孪生支持向量机 Fisher正则化 |
|
|