A locality correlation preserving support vector machine
A locality correlation preserving support vector machine
复制标题
一种保持局部相关性的支持向量机
DOI：
10.1016/j.patcog.2014.04.004
复制
发表时间：
2014-09
影响因子：
8
通讯作者：
Gao Shuang
中科院分区：
文献类型：
--
作者：
Zhang Huaxiang;Cao Linlin;Gao Shuang
结合类间边距最大化和类数据局部相关性保持的思想，提出一种基于局部性相关性保持的支持向量机（LCPSVM）。它是一种类似支持向量机（SVM）的算法，它明确考虑优化函数的边际和惩罚项中每个类内的局部相关性。典型相关分析（CCA）用于揭示两个数据集之间隐藏的相关性，并且通过将局部信息集成到CCA的目标函数中，提出了一种实现局部性保持的相关性分析模型的变体。受典型相关分析中使用的思想的启发，我们提出了一种保留类内散布矩阵的局部性相关性来替换最小类方差支持机（MCVSVM）中的类内散布矩阵。这种替换具有保持数据局部性相关性的特性，并且继承了SVM和其他类似修改类支持向量机的特性。在线性可分、小样本量和非线性可分的条件下讨论了LCPSVM，并且在基准数据集上的实验结果证明了其有效性。
This paper proposes a locality correlation preserving based support vector machine (LCPSVM) by combining the idea of margin maximization between classes and local correlation preservation of class data. It is a Support Vector Machine (SVM) like algorithm, which explicitly considers the locality correlation within each class in the margin and the penalty term of the optimization function. Canonical correlation analysis (CCA) is used to reveal the hidden correlations between two datasets, and a variant of correlation analysis model which implements locality preserving has been proposed by integrating local information into the objective function of CCA. Inspired by the idea used in canonical correlation analysis, we propose a locality correlation preserving within-class scatter matrix to replace the within-class scatter matrix in minimum class variance support machine (MCVSVM). This substitution has the property of keeping the locality correlation of data, and inherits the properties of SVM and other similar modified class of support vector machines. LCPSVM is discussed under linearly separable, small sample size and nonlinearly separable conditions, and experimental results on benchmark datasets demonstrate its effectiveness.
登录
查看更多内容
DOI：
10.1109/icdm.2005.113
发表时间：
2005-11
期刊：
Fifth IEEE International Conference on Data Mining (ICDM'05)
影响因子：
--
作者：
E. Kokiopoulou;Y. Saad
通讯作者：
E. Kokiopoulou;Y. Saad
DOI：
10.1109/tpami.2005.55
发表时间：
2005-03-01
影响因子：
23.6
作者：
He, XF;Yan, SC;Zhang, HJ
通讯作者：
Zhang, HJ
DOI：
10.1016/j.patcog.2005.06.013
发表时间：
2006-02
期刊：
Pattern Recognit.
影响因子：
--
作者：
P. Howland;Jianlin Wang;Haesun Park
通讯作者：
P. Howland;Jianlin Wang;Haesun Park
DOI：
10.1007/978-1-4471-0285-4
发表时间：
2012-10
期刊：
--
影响因子：
--
作者：
Shigeo Abe DrEng
通讯作者：
Shigeo Abe DrEng
DOI：
10.1109/34.531802
发表时间：
1996-08-01
影响因子：
23.6
作者：
Swets, DL;Weng, JJ
通讯作者：
Weng, JJ