论文部分内容阅读
最小二乘支持向量机是在支持向量机的基础上,把优化问题中不等式约束改为等式约束而获得的分类器。最近的研究表明,样例本身的结构信息对得到一个好的分类器起着至关重要的作用。针对最小二乘支持向量机(LSSVM)未考虑样例本身的结构信息,提出了结构化最小二乘支持向量机(SLSSVM),SLSSVM通过在目标函数中引入协方差矩阵来考虑样例的结构信息,从而提高了分类器的分类精度。针对结构化最小二乘支持向量机(SLSSVM)对异常点敏感,提出了结构化加权最小二乘支持向量机(SWLSSVM),SWLSSVM通过在目标函数中引入协方差矩阵考虑了样例的结构信息;同时为了减少异常点的影响,根据本类样本点到该类中心的距离对误差项进行加权。实验表明,SWLSSVM、SLSSVM与LSSVM和SVM相比具有更好的分类精度。