在原始空间用Rosenbrock算法训练线性支持向量机

• 作者: 刘三阳 刘叶青 谷明涛
• 来源期刊: 控制与决策
• 学科: 工学
• 关键词: 支持向量机 模式识别 分类 Rosenbrock算法 并行下降
• 年，卷（期）: 2009,（12）
• 所属期刊栏目: 短文
• 页码范围: 1895-1898
• 分类号: TP18
• 语种: 中文
• DOI: 10.3321/j.issn:1001-0920.2009.12.028

摘要

为了加快并行下降方法(CD)用于线性支持向量机(SVM)时的最终收敛速度,将Rosenbrock算法(R)用于线性SVM.在内循环,R通过解一个单变量子问题来更新w的一个分量,并同时固定其他分量不变;在外循环,采用Gram-schmidt过程构建新的搜索方向.实验结果表明,与CD相比,R加快了最终的收敛,在分类中能更快地获得更高的测试精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘三阳	西安电子科技大学数学科学系	662	5562	32.0	51.0
2	刘叶青	西安电子科技大学数学科学系	8	57	5.0	7.0