LSSVM優(yōu)化方法的研究.pdf

1、解決Folksonomy存在垃圾標簽的問題，本文提出垃圾標簽檢測模型。利用向量空間模型表征用戶特征，再用支持向量機將Folksonomy用戶二分類。通過檢測出隱藏在正常用戶群體中的垃圾投放人，以此減少垃圾標簽數(shù)量。針對傳統(tǒng)SVM算法在高維大規(guī)模數(shù)據(jù)集上存在速度和精度的瓶頸，和在有限的小樣本數(shù)據(jù)集體現(xiàn)出泛化性不強的特點，本文提出基于LSSVM算法的垃圾標簽檢測模型，實驗結果表明，基于LSSVM算法的垃圾標簽檢測模型具有更高的分類精度和更少

2、的預測時間，表現(xiàn)要比svm算法要好。
　　 本文為了通過研究普通lssvm算法發(fā)現(xiàn)，lssvm算法雖然在大規(guī)模數(shù)據(jù)集上分類精度和預測時間上表現(xiàn)比較好，但是也存在稀疏性問題，這是因為算法本身在數(shù)學變換上造成全部訓練數(shù)據(jù)都成了支持向量，所有的訓練點都相關。為了解決這個問題，本文提出了改進的算法，先按權重進行排序，通過剪切拉格朗日因子處理數(shù)據(jù)集，只保留重要的訓練點，通過實驗證明，本文在精度上有比較大提高。
　　 另外，本文將改