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。
科研之友
微信
新浪微博
Facebook
分享链接
