SVD-LSSVM and its application in chemical pattern classification
Tao -, Shao-hui, Chen, De-zhao, Hu, Wang-ming · 浙江大学学报：A卷英文版 · 2006
模式分类是在机器学习的一块重要的地；最少的广场支持向量机器(LSSVM ) 是为模式分类的一个强大的工具。LSSVM 的一个新版本， SVD-LSSVM，被建议节省为 LSSVM 选择亢奋的参数的时间。SVD-LSSVM 通过内核矩阵的单个值分解(SVD ) 被训练。因为，选择亢奋的参数的生气确认时间能被节省一个新亢奋的参数，单个价值贡献率(SVCR ) ，代替 LSSVM 的惩罚因素。几个 UCI benchmarking 数据；橄榄分类问题被用来测试 SVD-LSSVM。结果证明 SVD-LSSVM 在分类有好性能；为生气确认节省时间。