基于復(fù)雜網(wǎng)絡(luò)的約簡(jiǎn)LSSVM樣本篩選及其應(yīng)用.pdf

1、隨著科技的發(fā)展，現(xiàn)實(shí)中越來(lái)越多的數(shù)據(jù)被收集存儲(chǔ)到數(shù)據(jù)庫(kù)中，機(jī)器學(xué)習(xí)被用來(lái)挖掘數(shù)據(jù)中蘊(yùn)藏的有用信息。基于數(shù)據(jù)的建模方法中當(dāng)訓(xùn)練集樣本個(gè)數(shù)變?yōu)楹Ａ繒r(shí)，其計(jì)算過(guò)程的時(shí)間復(fù)雜度和空間復(fù)雜度將大大提高。雖然約簡(jiǎn)支持向量機(jī)通過(guò)隨機(jī)縮小樣本集規(guī)模以減少支持向量的個(gè)數(shù)，并提高了計(jì)算速度，但在解決很多實(shí)際問(wèn)題時(shí)，這種隨機(jī)的約簡(jiǎn)訓(xùn)練集可能導(dǎo)致樣本中一些有用的信息丟失，降低了所建模型的泛化性能和精度。
　　本文提出了一種基于復(fù)雜網(wǎng)絡(luò)建模的樣本篩選方法用

2、于約簡(jiǎn)最小二乘支持向量機(jī)模型。該復(fù)雜網(wǎng)絡(luò)模型首先構(gòu)造數(shù)據(jù)樣本，計(jì)算樣本間距離，得到表示網(wǎng)絡(luò)的鄰接矩陣和樣本集。通過(guò)以模塊度最大化為優(yōu)化目標(biāo)，在樣本節(jié)點(diǎn)的復(fù)雜網(wǎng)絡(luò)中進(jìn)行社區(qū)發(fā)現(xiàn)，獲得對(duì)應(yīng)問(wèn)題不同情況下的樣本社區(qū)聚類。由于現(xiàn)實(shí)數(shù)據(jù)采集問(wèn)題會(huì)出現(xiàn)異常點(diǎn)，根據(jù)制定的規(guī)則剔除異常點(diǎn)社區(qū)，并計(jì)算每個(gè)樣本節(jié)點(diǎn)的結(jié)合度，將結(jié)合度大的典型樣本構(gòu)成訓(xùn)練集，提高泛化性能并盡可能的保留原有樣本集中的有用信息實(shí)現(xiàn)樣本集的約簡(jiǎn)，從而建立了約簡(jiǎn)最小二乘支持向量機(jī)模型