Structural optimization of least-squares support vector classifier based on virtual leave-one-out residuals

2009 ◽  
Author(s):  
Stanislaw Jankowski ◽  
Zbigniew Szymański
Keyword(s):  
Structural Optimization ◽  
Least Squares ◽  
Support Vector ◽  
Support Vector Classifier ◽  
Virtual Leave One Out ◽  
Leave One Out

A Novel Sparse Weighted Least Squares Support Vector Classifier

2013 ◽  
Vol 842 ◽  
pp. 746-749
Author(s):  
Bo Yang ◽  
Liang Zhang
Keyword(s):  
Least Squares ◽  
Weighted Least Squares ◽  
Importance Measure ◽  
Support Vector ◽  
Comparative Experiment ◽  
Digit Recognition ◽  
Calculating Method ◽  
Imbalance Problem ◽  
Support Vector Classifier

A novel sparse weighted LSSVM classifier is proposed in this paper, which is based on Suykens weighted LSSVM. Unlike Suykens weighted LSSVM, the proposed weighted method is more suitable for classification. The distance between sample and classification border is used as the sample importance measure in our weighted method. Based on this importance measure, a new weight calculating function, using which can adjust the sparseness of weight, is designed. In order to solve the imbalance problem, a kind of normalization weights calculating method is proposed. Finally, the proposed method is used on digit recognition. Comparative experiment results show that the proposed sparse weighted LSSVM can improve the recognition correct rate effectively.

scholarly journals Classificação do Risco de Quedas em Idosos com Least Squares Support Vector Regression Utilizando Sinais Eletromiográficos e Dinamométricos

2021 ◽  
Author(s):  
Daniele Alves Silva ◽  
Laiana Sepúlveda de Andrade Mesquita ◽  
Luan Marinho Morais Pereira ◽  
Nayra Ferreira Lima Castelo Branco ◽  
Hermes Manoel Galvão Castelo Branco ◽  
...  
Keyword(s):  
Radial Basis Function ◽  
Least Squares ◽  
Support Vector Regression ◽  
Basis Function ◽  
Support Vector ◽  
Radial Basis ◽  
Leave One Out

A determinação do risco de cair é de suma importância na assistência à saúde do idoso, pois a ocorrência de quedas nessa população trazem consequências em vários aspectos. Ferramentas de aprendizado de máquinas têm sido cada vez mais empregadas com este fim. Portanto, o objetivo deste estudo foi investigar a viabilidade da utilização de sinais eletromiográficos e dinamométricos na classificação do risco de quedas em idosos via modelo least squares support vector regression (LSSVR). Trinta e um voluntários idosos foram avaliados com a Escala de Equilíbrio de Berg (EEB), eletromiografia e dinamometria do membro inferior dominante. Para o modelo LSSVR foram utilizados kernels do tipo linear, polinomial e radial basis function (RBF), além de validações cruzadas pelos métodos leave one out e K-fold. Ambos os sinais apresentaram erros médios baixos na maioria das execuções realizadas. Dessa forma, verificou-se que é possível classificar o risco de quedas em idosos por meio de sinais eletromiográficos e dinamométricos aplicados ao modelo LSSVR.

Sign in / Sign up

Export Citation Format

Share Document