训练支持向量机的低维Newton算法

• 作者: 周利华 周水生
• 来源期刊: 系统工程与电子技术
• 学科: 工学
• 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
• 年，卷（期）: 2004,（9）
• 所属期刊栏目: 软件、算法与仿真
• 页码范围: 1315-1318
• 页数: 4页
• 分类号: TP391.4
• 字数: 4429字
• 语种: 中文
• DOI: 10.3321/j.issn:1001-506X.2004.09.044

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周水生	西安电子科技大学理学院	40	295	10.0	15.0
5	周利华	西安电子科技大学多媒体研究所	169	1944	24.0	34.0