本文關(guān)鍵詞：基于壓縮感知的多尺度最小二乘支持向量機(jī)

  更多相關(guān)文章： 最小二乘支持向量機(jī) 壓縮感知 多尺度小波核 稀疏化 函數(shù)回歸

【摘要】：提出一種基于壓縮感知(Compressive sensing,CS)和多分辨分析(Multi-resolution analysis,MRA)的多尺度最小二乘支持向量機(jī)(Least squares support vector machine,LS-SVM).首先將多尺度小波函數(shù)作為支持向量核,推導(dǎo)出多尺度最小二乘支持向量機(jī)模型,然后基于壓縮感知理論,利用最小二乘匹配追蹤(Least squares orthogonal matching pursuit,LS-OMP)算法對多尺度最小二乘支持向量機(jī)的支持向量進(jìn)行稀疏化,最后用稀疏的支持向量實(shí)現(xiàn)函數(shù)回歸.實(shí)驗(yàn)結(jié)果表明,本文方法利用不同尺度小波核逼近信號的不同細(xì)節(jié),而且以比較少的支持向量能達(dá)到很好的泛化性能,大大降低了運(yùn)算成本,相比普通最小二乘支持向量機(jī),具有更優(yōu)越的表現(xiàn)力.
【作者單位】： 海南醫(yī)學(xué)院信息技術(shù)部;中國地質(zhì)大學(xué)(武漢)數(shù)學(xué)與物理學(xué)院;
【基金】：國家自然科學(xué)基金(11301120)資助~~
【分類號】：TN911.7;TP18
【正文快照】： 支持向量機(jī)(Support vector machine,SVM)[1]是在統(tǒng)計學(xué)習(xí)理論發(fā)展起來的一種實(shí)用方法,是專門針對小樣本情況下機(jī)器學(xué)習(xí)問題而建立起來的一套新的理論體系,基于結(jié)構(gòu)風(fēng)險最小化原則,在模式識別和機(jī)器學(xué)習(xí)領(lǐng)域占有非常重要的地位.最小二乘支持向量機(jī)(Least squares support vect

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 胡雷;林岳松;郭云飛;;約束總體最小二乘空間配準(zhǔn)算法[J];火力與指揮控制;2011年10期

2 王q蕅，

本文編號：1175324