最小二乘支持向量机变型算法研究 (2009年)

推导出最小二乘支持向量机(LSSVM)的分类几何意义 ,再将近似支持向量机(PSVM)等价推广至回归问题 ,最后提出 PSVM的另一种非线性模型———直接支持向量机 (DSVM) .与 LSSVM相比 , PSVM和 DSVM增强了问题的凸性 ,计算复杂度低 .且对非线性时 ,DSVM比 PSVM更简单 ,替换核函数就可实现线性与非线性的统一 .数值实验表明 ,线形情况下 PSVM比 LSSVM的训练速度至少快一倍 ,非线性时 ,DSVM比 PSVM速度要快一倍左右 ;在泛化能力方面线性 PSVM不低于