基于主动学习的最小二乘支持向量机稀疏化

作者：余正涛; 邹俊杰; 赵兴; 苏磊; 毛存礼

来源：南京理工大学学报, 2012, (01): 12-17.

DOI：10.14177/j.cnki.32-1397n.2012.01.010

• 最小二乘支持向量机
• 稀疏化
• 主动学习
• 分类 least squares support vector machines
• sparseness
• active learning
• classification

针对最小二乘支持向量机(LSSVM)稀疏化问题,提出一种基于主动学习的LSSVM数据稀疏化学习算法。首先基于核聚类的方法选取初始样本,并利用LSSVM构建一个最小分类器,然后计算样本在分类器作用下的分布,选择最接近分类面的样本进行标记,最后将该标记样本加入训练集建立新的分类器,重复上述过程直到模型精度满足要求,以此建立部分样本的LSSVM稀疏化模型。利用加利福尼亚大学欧文分校(UCI)提供的6种数据集进行实验,结果表明,提出的方法使LSSVM的稀疏性提高了46%以上,减少了标注样本带来的成本。

• 单位
  昆明理工大学