作者:周燕萍; 业巧林 期刊:《计算机科学》 2018年第04期
最小二乘对支持向量机(LSTSVM)是一种有效的分类技术。然而,该方法需计算点到平面的平方L2-范数距离,从而易受野值或噪声的影响。为了缓解此问题,提出了一种有效的鲁棒LSTSVM方法,即基于L1-范数距离的LSTSVM(LSTSVM L1D)。该方法由于使用L1范数作为距离度量,因此不易受到野值或噪声数据的影响。此外,设计了一种有效的迭代算法,旨在求解目标问题,并从理论上证明了其收敛性。在人工数据集和UCI数据集上验证了LSTSVM L1D的有效性。
影响因子:1.87
期刊级别:省级期刊
发行周期:月刊
影响因子:1.44
期刊级别:CSSCI南大期刊
影响因子:0.44
发行周期:半月刊
影响因子:0.07
发行周期:旬刊
影响因子:0.65
期刊级别:北大期刊
影响因子:0.35