文献类型：期刊文献

中文题名：固定尺度最小二乘支持向量机

英文题名：Fixed Size Least Squares Support Vector Machines

作者：王庆云[1];黄道[1]

机构：[1]华东理工大学信息科学与工程学院,上海200237

年份：2006

卷号：32

期号：7

起止页码：772

中文期刊名：华东理工大学学报（自然科学版）

外文期刊名：Journal of East China University of Science and Technology

收录：CSTPCD;;EI(收录号：20063410084327);Scopus;北大核心:【北大核心2004】；CSCD:【CSCD2011_2012】；

语种：中文

中文关键词：最小二乘支持向量机;固定尺度;稀疏性;回归估计;二次Renyi熵

外文关键词：least squares support vector machines; fixed size; sparseness; regression estimating;quadratic Renyi entropy

摘要：针对最小二乘支持向量机(LS-SVM)在进行回归预测时存在的稀疏性缺陷问题,采用固定尺度最小二乘支持向量机,即固定支持向量数量进行改进。仿真结果表明:固定尺度最小二乘支持向量机在训练各种样本数据集时,有效地避开了LS-SVM中的稀疏性问题,且训练速度快,同时具有良好的预测精度。
For the defect machines, fixed size LS_SVM of sparseness in regression predicting with least squares support vector is adopted, which evades the problem of sparseness in LS_SVM and takes on fast training speed. The simulation results indicate that fixed size LS_SVM shortens the training time enormously and possesses good predicting precision on different datasets.