粒子群优化的隐空间光滑支持向量机算法

摘要

针对隐空间支持向量机求解约束凸二次规划存在训练时间长、计算复杂的问题,提出粒子群优化的隐空间光滑支持向量机算法(PSO-HSSSVM).该算法通过隐函数将训练样本映射至隐空间,且对隐函数没有正定性限制;在隐空间中以熵函数近似松弛向量的加函数,导出光滑可微的无约束凸二次规划;引入共轭梯度法求解光滑模型,并采用粒子群优化算法选取最优参数.数值实验表明,PSO-HSSSVM算法可拓宽光滑支持向量机的核函数范围,而其训练精度和训练时间与光滑支持向量机的相当;PSO-HSSSVM算法可将隐空间支持向量机的训练精度提高2.14％,而其训练时间仅为隐空间支持向量机的9.5％.