论文部分内容阅读
为减少训练完毕之后的最小二乘支持向量机的分类计算量，借鉴神经网络的快速剪枝策略，提出了一种新的稀疏化算法：HS-LSSVM。它在主成分分析基础上，筛选出样本子集作为支持向量，它们既包含较多核函数矩阵信息，又相互独立性强，具有较好的代表性。算法将其余个体的信息转移至支持向量上，在实现高度稀疏化的同时，良好地保持了LSSVM的分类性能，并能适用于多类问题。对多个分类问题的测试表明，HS-LSSVM具有稀疏率高，分类性能强，且稀疏化速度较快等优点。