基于CCH的SVM几何算法及其应用

• 作者: 彭新俊 王翼飞
• 来源期刊: 应用数学和力学
• 学科: 工学
• 关键词: 支持向量机 压缩凸包 核参数 几何方法 概率加速
• 年，卷（期）: 2009,（1）
• 页码范围: 90-100
• 页数: 11页
• 分类号: O235|TP18
• 语种: 中文

摘要

支持向量机(support vector machine(SVM))是一种数据挖掘中新型机器学习方法.提出了基于压缩凸包(compressed convex hull(CCH))的SVM分类问题的几何算法.对比简约凸包(reducedconvex hull(RCH)),CCH保持了数据的几何体形状,并且易于得到确定其极点的充要条件.作为CCH的实际应用,讨论了该几何算法的稀疏化方法及概率加速算法.数值试验结果表明所讨论的算法可降低核计算并取得较好的性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王翼飞	上海大学数学系	72	398	10.0	17.0
2	彭新俊	上海师范大学计算数学系	9	27	3.0	5.0