三种训练光滑支持向量分类器方法的比较

• 作者: 涂文根 熊金志 袁华强
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 模式识别 光滑支持向量机 分类 Newton-PCG算法
• 年，卷（期）: 2011,（3）
• 所属期刊栏目: 图形、图像、模式识别
• 页码范围: 190-195
• 分类号: TP391
• 字数: 5672字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2011.03.057

摘要

光滑支持向量分类机(SSVC)是支持向量分类机(SVC)的快速求解模型,本质上是求解数学规划中具有光滑性和强凸性的无约束最优化问题.BFGS-Armijo和Newton-Armijo算法被用来训练SSVC,相比而言后者拥有更快的训练速度;牛顿-预优共轭梯度法(Newton-PCG)适用于求解无约束的最优化问题,理论上快于一般的Newton类算法.使用Newton-Armijo、BFGS-Armijo和Newton-PCG三种算法来训练光滑支持向量分类机,根据数值实验结果进行分析比较,证明了Newton-PCG算法有更优的效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	袁华强	东莞理工学院工程技术研究院	62	478	11.0	20.0
2	涂文根	东莞理工学院工程技术研究院	3	7	2.0	2.0
3	熊金志	东莞理工学院工程技术研究院	39	180	6.0	12.0