王晓明;福莱钟;王世通 关于最小类局部保持方差支持向量机。 （英语） 兹比尔1213.68510 模式识别 43，第8期，2753-2762（2010）. 小结：通过引入局部保持投影（LPP）的基本思想，提出了一种所谓的最小类局部保持方差支持机（MCLPV_SVM）算法，该算法可以看作是一种改进的支持机类（SVM）和/或最小类方差支持机机（MCVSVM）。与SVM和MCVSVM相比，MCLPV_SVM充分考虑了数据空间固有的流形结构，继承了SVM和MCVSVM的特点。本文讨论了MCLPV_SVM的线性情况、小样本量情况和非线性情况。与MCVSVM类似，小样本情况下的MCLPV_SVM优化问题通过主成分分析（PCA）降维来解决，非线性情况下的问题在核PCA（KPCA）下转化为等价的线性MCLPV_SVM问题。在实际数据集上的实验结果表明，MCLPV_SVM与SVM和MCVSVM进行了比较，证明了其有效性。 引用于11文件 MSC公司： 68T05型 人工智能中的学习和自适应系统 关键词：监督学习;支持向量机;最小类方差支持机;局部保持映射 软件：伦敦银行支持向量机;UCI-毫升;FRSDE公司;KPCA加LDA;耶鲁脸 PDF格式BibTeX公司 XML格式引用 \textit{X.Wang}等人，模式识别43，No.8，2753--2762（2010；Zbl 1213.68510） 全文： 内政部 参考文献： [1] 肖尔科夫，B。；Smola，A.，《使用内核学习》（2002年），麻省理工学院出版社：麻省理学院出版社剑桥 [2] Tsang，I.W。；郭敬通（Kwok，J.T.）。；Cheung，P.M.，《核心机器：超大数据集上的快速svm训练》，《机器学习研究杂志》，第6期，第363-392页（2005年）·Zbl 1222.68320号 [3] 邓，Z.H。；Chung，F.L。；Wang，S.T.，FRSDE：使用最小包围球近似的快速约简集密度估计，模式识别，411363-1372（2008）·Zbl 1131.68086号 [4] Vapnik，V.，《统计学习理论的本质》（1995），Springer-Verlag:Springer-Verlag纽约·Zbl 0833.62008号 [5] Burges，C.J.C.，模式识别、数据挖掘和知识发现支持机器教程，2，2121-167（1998） [6] 肖尔科夫，B。；米卡，S。；Burges，C.J.C。；Knirsch，P。；穆勒，K.R。；Ratsch，G。；Smola，A.J.，基于内核方法中的输入空间与特征空间，IEEE神经网络汇刊，10，5，1000-1017（1999） [7] Zafeiriou，S。；特法斯，A。；Pitas，I.，最小类方差支持向量机，IEEE图像处理汇刊，16，10，2551-2564（2007） [8] Fukunaga，K.，《统计模式识别》（1990），学术：加州圣地亚哥学术出版社·Zbl 0711.62052号 [9] 杜达，R.O。；哈特，体育。；Stork，D.G.，《模式分类》（2001），威利出版社：威利纽约·Zbl 0968.68140号 [10] Diamantaras，K.I。；Kung，S.Y.，主成分神经网络（1996），Wiley:Wiley New York·Zbl 0911.68157号 [11] Scholkopf，A。；斯莫拉，B。；Muller，K.R.，作为核特征值问题的非线性分量分析，神经计算，101299-1319（1998） [12] X.He，P.Niyogi，位置保持预测，收录于：《神经信息处理系统进展会议论文集》，2003年，第585-591页。；X.He，P.Niyogi，位置保持预测，收录于：《神经信息处理系统进展会议论文集》，2003年，第585-591页。 [13] 何，X.F。；闫S.C。；胡，Y.X。；Niyogi，P。；Zhang，H.J.，使用拉普拉斯人脸进行人脸识别，IEEE模式分析和机器智能汇刊，27，3，328-340（2005） [14] Kokiopoulou，E。；Saad，Y.，《正交邻域保持投影：一种基于投影的降维技术》，IEEE模式分析与机器智能学报，29，12，2143-2156（2007） [15] 贝尔金，M。；Niyogi，P。；Sindhwani，V.，《流形正则化：从标记和未标记示例学习的几何框架》，《机器学习研究杂志》，第7期，第2399-2434页（2006年）·Zbl 1222.68144号 [16] 阿布里尔，L.G。；安古洛，C。；贝拉斯科，F。；Ortega，J.A.，关于SVM中多分类偏差的注释，IEEE神经网络汇刊，19，4，723-725（2008） [17] T.Xiong，V.Cherkassky。用于分类的SVM和LDA组合方法，见：《国际神经网络联合会议论文集》，加拿大蒙特利尔，2005年7月31日至8月4日，第1455-1459页。；T.Xiong，V.Cherkassky。用于分类的SVM和LDA组合方法，见：《国际神经网络联合会议论文集》，加拿大蒙特利尔，2005年7月31日至8月4日，第1455-1459页。 [18] Howland，P。；Wang，J。；Park，H.，使用广义判别分析解决人脸识别中的小样本量问题，模式识别，39，2277-287（2006） [19] Xiang，S.M。；聂福平。；Zhang，C.S.，学习数据聚类和分类的马氏距离度量，模式识别，413600-3612（2008）·Zbl 1162.68642号 [20] Fletcher，R.，《实用优化方法》（1987），威利出版社：威利纽约·Zbl 0905.65002号 [21] 杨，J。；Yang，J.Y.，为什么LDA可以在PCA转换空间中执行？，模式识别，36，2，563-566（2003） [22] 杨，J。；Frangi，A.F。；杨，J。；张，D。；Jin，Z.，KPCA plus LDA:用于特征提取和识别的完整核Fisher判别框架，IEEE模式分析和机器智能学报，27，2，230-244（2005） [23] C.Blake，C.Merz，UCI机器学习数据库知识库。可用：〈网址：http://www.ics.uci.edu/～mlearn/MLRepository.html；C.Blake，C.Merz，UCI机器学习数据库知识库。可用：〈网址：http://www.ics.uci.edu/～mlearn/MLRepository.html [24] 张正中，林正杰，LIBSVM：支持机器库，2001年。软件可从〈获得网址：http://www.csie.ntu.edu.tw/～cjlin/libsvm；C.C.Chang，C.J.Lin，LIBSVM：支持机器库，2001年。软件可从〈获得网址：http://www.csie.ntu.edu.tw/～cjlin/libsvm [25] 耶鲁大学人脸数据库http://cvc.yale.edu/projects/yalefaces/yalefaices.html; 耶鲁大学人脸数据库http://cvc.yale.edu/projects/yalefaces/yalefaices.html [26] 蔡，D。；何，X。；Han，J。；Zhang，H.J.，用于人脸识别的正交拉普拉斯人脸，IEEE图像处理汇刊，15，11，3608-3614（2006） [27] Alpaydin，E.，《机器学习导论》（2004），麻省理工学院出版社：麻省理学院出版社，马萨诸塞州剑桥，美国 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。