摘要：基于核方法的学习算法在机器学习领域占有很重要的地位（如支持向量机Support Vector Machines，简称SVM）。但该方法在处理回归问题时的计算复杂度为数据量的立方级。最小二乘支持向量机（Least Squares Support Vector Machines，简称LS-SVM）在计算复杂性方面对传统的支持向量机作了很大改进，但是它的计算量也达到样本点数目的平方级。在处理海量数据回归问题时．求解LS—SVM占用大量的CPU和内存资源。提出了一种带非齐次多项式核的最小二乘支持向量机算法，由于特征向量中含有常数分量，所以去掉了模型中的偏差因子，简化了LS—SVM的回归模型。新方法特别适合于海量数据回归问题。实验显示新方法的求解速度比传统LS—SVM快很多，同时新方法的准确性却丝毫不亚于LS—SVM。

原文链接:http://www.cqvip.com//QK/91690X/200711/24259769.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）