摘要：对基于多核函数的最小二乘支持向量机算法（MK．LSSVM）和采用支持向量机作为弱分类器的AdaBoost算法（AdaBoost．SVM）这两种新型的分类算法进行了研究。将这两种算法应用于求解心脏单光子发射计算机化断层显像（SPECT）图像数据的二分类问题和iris数据集的多分类问题，并从平均分类精度和平均运行时间两方面进行比较分析。最后通过Sammon映射给出了分类的可视化结果。试验结果验证了MK．LSSYM算法和AdaBoost—SYM算法的有效性和可行性，且MK．LSSVM算法在不损失分类精度的前提下，能够获得比AdaBoost．SVM更快的训练速度。

关键词：多核核函数 最小二乘支持向量机 adaboost算法 神经网络 拉格朗日函数 

单位：兰州交通大学自动化与电气工程学院 甘肃兰州730070