训练支持向量机的低维Newton算法 |
| |
引用本文: | 周水生,周利华.训练支持向量机的低维Newton算法[J].系统工程与电子技术,2004,26(9):1315-1318. |
| |
作者姓名: | 周水生 周利华 |
| |
作者单位: | 1. 西安电子科技大学理学院,陕西,西安,710071;西安电子科技大学多媒体研究所,陕西,西安,710071 2. 西安电子科技大学多媒体研究所,陕西,西安,710071 |
| |
基金项目: | "十五"国家部委科技(电子)预研项目资助课题(413160501) |
| |
摘 要: | 支持向量机是基于统计学习理论的结构风险最小化原理提出来的一种新的学习算法,它把模式识别问题建模为一个简单约束的高维对偶二次规划问题.针对原二次规划的特点,线性分类问题可等价化为低维的无约束不可微优化问题,并可通过批处理训练来提高训练速度,降低存储空间复杂度.采用熵罚函数法处理不可微优化问题,对收敛性进行了验证,并提出了Newton型求解算法.数据仿真结果表明,该算法在低存储需求下可有效提高大数据量问题的训练学习速度.
|
关 键 词: | 模式识别 支持向量机 分类超平面 熵函数 Newton法 支持向量 |
文章编号: | 1001-506X(2004)09-1315-04 |
修稿时间: | 2003年4月20日 |
Lower dimension Newton-algorithm for training the support vector machines |
| |
Abstract: | |
| |
Keywords: | pattern recognition support vector machines separating hyperplane entropy function Newton algorithm support vector |
本文献已被 万方数据 等数据库收录! |
|