互联网 qkzz.net
全刊杂志网:首页 > 女性 > 文章正文
刊社推荐

基于RBF核的SVM及RVM模式分析性能比较


□ 李 刚 邢书宝 薛惠锋

  (1.西北工业大学 自动化学院 西安 710072;2.西安工业大学 经管学院 西安 710032)
  
  摘 要:基于RBF核,利用Synthc、BC等标准数据集,采用五重交叉验证,比较SVM(支持向量机)及RVM(关联向量机)模式分析性能。实验结果表明,与SVM相比,RVM时间复杂度、测试错误率较低,模式分析性能较优。
  关键词:关联向量机;支持向量机;分类;径向基函数核
  中图分类号:TP391文献标志码:A
  文章编号:1001-3695(2009)05-1782-03
  
  Comparison on pattern analysis performance of SVM and RVM based on RBF kernel
  LI Gang1,2,XING Shubao1,XUE Huifeng1
  (1.College of Automation Northwestern Polytechnical University Xi’an 710072 China;2.School of Economics & Management Xi’an Technological University Xi’an 710032 China)
  Abstract:Making use of standard dataset such as synth and BC,compared the pattren analysis performance of SVM and RVM using 5fold verification based on RBF kernel.Test result indicates that the mistake rate and time complication degree is lower than that of SVM.Research shows under the condition of this paper RVM’s pattern analysis performance is more excellent.
  Key words:RVM; SVM; class; RBF kernel
  
  统计学习理论(statistical learning theory,SLT)是一种专门研究小样本情况下机器学习规律的理论。SLT针对小样本统计问题建立了一套新的理论体系,在这种体系下的统计推理规则不仅考虑了对渐近性能的要求,而且追求在现有有限信息的条件下得到最优结果。模式分析研究的是如何自动检测和辨识数据中潜在的关系,人们通常把这种方法称为统计模式识别[1]。随着人们的注意力从线性关系转移到非线性关系,20世纪80年代模式分析领域经历了一场“非线性革命”,几乎同时引入了后向传播多层神经网络算法和高效的决策树学习算法[2]。尽管这些方法用到了启发式算法和不完全统计分析,它们使得检测非线性模式成为可能。然而,这些非线性算法建立在梯度下降和贪心启发式法的基础上,受到局部最小化的限制。由于没有很好地理解它们在统计上的行为,这些方法经常遇到过拟合的问题。20世纪90年代出现了新的被称为基于核学习方法的模式分析方法,该方法可以高效地分析非线性关系,而这种高效率只有线性算法才能达到,而且避免了过拟合的危险。 ......
很抱歉,暂无全文,若需要阅读全文或喜欢本刊物请联系《计算机应用研究》杂志社购买。
欢迎作者提供全文,请点击编辑
分享:
 

了解更多资讯,请关注“木兰百花园”
分享:
 
精彩图文


关键字
支持中国杂志产业发展,请购买、订阅纸质杂志,欢迎杂志社提供过刊、样刊及电子版。
关于我们 | 网站声明 | 刊社管理 | 网站地图 | 联系方式 | 中图分类法 | RSS 2.0订阅 | IP查询
全刊杂志赏析网 2017