支持向量机和最小二乘支持向量机的比较及应用研究

维普资讯 doc.xuehai.net

第1 8卷第 3期 Vo . 8 1 1 No 3 .

控

制与决

策

20 0 3年 5月 Ma 0 3 y2 0

Co r l a nto nd De ii cso n

文章编号：1 0一9 O 2 o ) 3O 5一3 0 1O 2 (O 3O一 38 O

支持向量机和最小二乘支持向量机的比较及应用研究 阎威武，邵惠鹤 (海交通大学自动化系，海 2 0 3 )上上 0 0 0

摘

要：介绍和比较了支持向量机分类器和最小二乘支持向量机分类器的算法 .并将支持向量机分类

器和最小二乘支持向量机分类器应用于心脏病诊断，得了较高的准确率。所用数据来自 UCI e c-取 n h b mak数据集。实验结果表明，持向量机和最小二乘支持向量机在医疗诊断中有很大的应用潜力。 r支 关■词：持向量机；类器；诊断支分 中圈分类号： 1 1 TP 8 文献标识码：A

Applc t o f s po t v c o a hi s a e s qua e i a i n o up r e t r m c ne nd l a t s r s s ppo t v c o a h ne o he r s a e d a no e u r e t r m c i s t a t di e s i g s s Y AN e—D,。SH Ao髓— e W iZ T I H ih ( p rme to t ma in,S a g a io o g Un v riy,S a g a 0 0 0 De a t n fAu o to h n h i a t n iest J h n h i2 0 3,Chn ) ia Ab ta t No ln a ls i es ag rt ms f tn a d u p r v co ma hn s ( VM ) a d e s sr c: n ie r ca sf r lo ih o sa d r s p o t e t r i c ie S n la t s u rss p o tv co c ie ( S S q a e u p r e t rma h n s L VM )a eds u s d a dc m p rd.Th nsa d r VM o l e r r ic s e n o a e e tn a dS n ni a n c a sf r n VM o ln a l s iir a e p l d o h a t d s a e d a n s s a e n UCI l s i e s a d LS S i n n i e r ca sf s

r a p i t e r ie s i g o e b s d o e e b n h r a a s t Co e c ma k d t e . mp rn t t e e u t h g c u a y r t s o t i e n t e p e i t n a i g wih o h r r s l, i h a c r c a e i b n d i h r d c i . a o Ap l a i n o VM n VM o d s a e d a n s s i d c t s t a VM nd LS S M a e p t n i l p i t fS c o a d LS S t ie s i g o e n ia e h tS a V h v o e ta a piain i dc 1 p l to n me ia . c Xe r s:S p o tv c o c i e y wo d u p r e t rma h n}Cl s i e s;Di g o e a sf r i a n ss

1引

言

量机非线性分类器[的同时，它们用于心脏病的 .]将 诊断。

统计学习理论是由 Va nkt立的一种专门 p iI建]研究小样本情况下机器学习规律的理论，持向量支 机是在这一理论基础上发展而来的一种新的通用学习方法。支持向量机通过结构风险最小化原理来提

2标准支持向量机和最小二乘支持向量机 的非线性分类器 支持向量机主要是基于如下思想：先选择一首

高泛化能力，较好地解决了小样本、它非线性、维高 数、局部极小点等实际问题，已在模式识别、号处信理、函数逼近等领域得到了应用[] 2。最小二乘支持 向量机是支持向量机的一种扩展，了区别，文将为本 Va nk支持向量机称为标准支持向量机。 pi并在比较标准支持向量机非线性分类器[和最小二乘支持向 3] 收稿日期： 0 1 1— 9修回日期： 0 20— 4 2 0—00} 2 0—10。

非线性映射 ( ),维样本向量 (。y )…,, 把 l z,。, ( y)∈ R。{ 1一 1从原空间映射到特征空 t×+, )

间，此高维特征空间中构造最优线性决策函数在

)一 sn w - g[

)+ 6。构造最优决策函数]在

时，用了结构风险最小化原则，利同时引入了间隔的

基金项目：国家

9 3重点基础研究发展基金资助项目 ( 9 8 3 4 5。 7 G1 90 0 1 )

作者简介：威武 ( 9 2 )男，肃陇西人，士生，事机器学习、据挖掘等研究}邵惠鹤 ( 9 6 )男，江宁波阎 1 7一，甘博从数 1 3一，浙人，授，士生导师，事工业过程控制、能控制等研究。教博从智

1

一陌— f 1一一 _ _耵—r TT

第1页下一页