杜喆
- 作品数：18 被引量：129H指数：6
- 供职机构：西安电子科技大学理学院数学科学系更多>>
- 发文基金：国家自然科学基金陕西省自然科学基金陕西省软科学研究计划更多>>
- 相关领域：自动化与计算机技术社会学经济管理更多>>
- 最小二乘支持向量机变型算法研究被引量：8
- 2009年
- 推导出最小二乘支持向量机(LSSVM)的分类几何意义,再将近似支持向量机(PSVM)等价推广至回归问题,最后提出PSVM的另一种非线性模型——直接支持向量机(DSVM).与LSSVM相比,PSVM和DSVM增强了问题的凸性,计算复杂度低.且对非线性时,DSVM比PSVM更简单,替换核函数就可实现线性与非线性的统一.数值实验表明,线形情况下PSVM比LSSVM的训练速度至少快一倍,非线性时,DSVM比PSVM速度要快一倍左右;在泛化能力方面线性PSVM不低于LSSVM,非线性时DSVM最高.
- 杜喆刘三阳
- 关键词：近似支持向量机
- 用于回归的临近支持向量机被引量：4
- 2009年
- 将临近支持向量分类机应用在回归问题上,提出临近支持向量回归机,给出线性与非线性情况下的回归函数,该方法比支持向量回归机(SVR)问题减少了参数和一半变量,比最小二乘支持向量回归机(LSSVMR)求解公式更加简单,且核函数不需要满足Mercer条件。数值实验结果表明,与SVR和LSSVMR相比,该方法的学习速度更快,且泛化能力较之不相上下。
- 杜喆胡廷锋刘三阳
- 关键词：临近支持向量机支持向量机
- 几类支持向量机变型算法的研究
- 统计学习理论是一种基于小样本的机器学习理论，经过几十年的发展，目前已经形成了一套比较完整的理论体系.支持向量机是在此理论基础之上提出来的一种新机器学习方法.它根据结构风险最小化原则，通过核函数在一个高维特征空间中构造最优...
- 杜喆
- 关键词：统计学习理论支持向量机最小平方误差模糊隶属度函数计算复杂度
- 文献传递
- 直接支持向量回归机被引量：2
- 2009年
- 将超平面偏置项平方加入到最小二乘支持向量回归机(LSSVMR)的目标函数中,提出直接支持向量回归机(DSVMR)。该方法增强了求解问题的凸性,与LSSVMR相比,只需要求解一个与核矩阵类似的对称正定矩阵的逆就可以得到问题的解,再使用Cholesky分解和SMW(Sherman-Morrison-Woodbury)求逆公式,降低了计算复杂度,加快了学习速度,而且逼近能力与LSSVMR近乎相同。最后数值试验表明DSVMR可行且完全具有上述优势。
- 杜喆刘三阳吴青
- 关键词：支持向量机正定矩阵
- 直接支持向量机被引量：3
- 2008年
- 基于最小二乘支持向量机变形,得到一个极其简单快速的分类器——直接支持向量机.与最小二乘支持向量机相比,该分类器只需直接求解一个更小规模矩阵的逆,大大减小了计算量,并未降低分类精度.从理论上证明了该矩阵可逆,保证了分类面存在的唯一性.对于线性情形,采用Sherman-Morrison-Woodbury公式降低可逆矩阵的维数,进一步减少了计算复杂度,使其可适用于更大规模的样本集.数值实验表明,新分类器可行并具有上述优势.
- 杜喆刘三阳
- 关键词：支持向量机线性方程组最小二乘
- 一种改进的模糊支持向量机算法被引量：13
- 2007年
- 模糊隶属度函数设计是模糊支持向量机中的关键步骤.Lin&Wang提出的基于类中心距离的模糊隶属度设计方法,不能从样本集中有效区分噪声或野值点,而且可能降低支持向量的隶属度.针对上述不足,提出一种改进的隶属度函数设计方法.通过引入一个半径控制因子,充分利用样本间的信息,更加合理地设计样本的模糊隶属度.与基于类中心的隶属度方法相比,该方法在不增加时间复杂度的情况下,通过数值实验表明了方法的优势,大大提高了模糊支持向量机的分类精度.
- 刘三阳杜喆
- 关键词：模糊支持向量机隶属度函数
- 非均衡数据的去噪模糊支持向量机新方法被引量：6
- 2008年
- 针对支持向量机对噪声的敏感,以及当两类训练样本数量差别悬殊时,造成分类结果倾向较大类等弱点,通过理论分析,合理地设计隶属度函数,提出了一种新隶属度函数的模糊支持向量机。该方法既可补偿倾向性造成的不利影响,又可增加抗噪声能力,提高预测分类精度。最后通过对含噪声的非均衡数据实验表明,该方法比传统支持向量机和简单去噪模糊支持向量机都有着较高的分类能力。
- 张桂香费岚杜喆刘三阳
- 关键词：支持向量机非均衡数据隶属度函数
- 基于边界向量提取的模糊支持向量机方法被引量：15
- 2008年
- 针对支持向量机对训练样本中的噪声和孤立点特别敏感的问题,提出一种基于边界向量提取的模糊支持向量机方法.在特征空间中寻找能够分别包住两类样本点的两个最小超球,并选择可能成为支持向量的边界向量作为新样本,减少参与训练的样本数目,提高训练速度.样本的隶属度根据边界样本和噪声点与所在超球球心的距离分别确定,既减弱孤立点和噪声的影响,又增强支持向量对支持向量机分类的作用.实验结果表明,与传统的支持向量机方法和基于样本与类中心之间关系的模糊支持向量机相比,本文方法具有更快的学习速度和更好的泛化能力.
- 吴青刘三阳杜喆
- 关键词：支持向量机边界向量
- 一种改进的临近支持向量机被引量：5
- 2008年
- 基于线性临近支持向量机,提出一种改进的分类器—直接支持向量机。该分类器与临近支持向量机相比,对线性分类二者相同;对于非线性分类,直接支持向量机的Lagrangian乘子求解公式和分类器的表达式都更加简单,计算复杂度降低一半,且通过替代核函数就可实现线性与非线性的统一,可使用相同的算法代码,改正了临近支持向量机的不足。数值实验表明,非线性分类时,直接支持向量机的训练速度比临近支持向量机要快一倍左右,而测试速度则快更多,且分类精度并没有降低。
- 解丹蕊薛惠峰和文全杜喆
- 关键词：临近支持向量机支持向量机核函数
- 非均衡数据的最小二乘支持向量机阈值新算法被引量：2
- 2011年
- 针对传统的最小二乘支持向量机对于非均衡数据的分类时,分类结果具有对较大类数据的偏向性问题,为了减小分类器的负担和样本的错误率,提出一种新的最小二乘支持向量机阈值计算方法进行修正。根据线性判别思想,计算出两类样本的在分类超平面法向量上的投影点的均值和方差,依据对两类样本错分概率相等准则,给出新的阈值计算方法从而实现对超平面进行调整。方法可补偿最小二乘支持向量机对非均衡数据分类的倾向性,提高其预测分类精度。通过数值仿真实验表明了方法的可行性与有效性。
- 陈青薛惠锋杜喆
- 关键词：最小二乘支持向量机非均衡数据阈值
