正定矩阵支持向量机正则化路径算法

• 作者: 廖士中 王梅 赵志辉
• 来源期刊: 计算机研究与发展
• 学科: 工学
• 关键词: 支持向量机 正则化路径 活动集 正定矩阵 Cholesky分解
• 年，卷（期）: 2013,（11）
• 所属期刊栏目: 机器学习与数据挖掘
• 页码范围: 2253-2261
• 页数: 9页
• 分类号: TP181
• 字数: 5611字
• 语种: 中文

摘要

正则化路径算法是数值求解支持向量机(support vector machine,SVM)分类问题的有效方法,它可在相当于一次SVM求解的时间复杂度内得到所有的正则化参数及对应SVM的解.现有的SVM正则化路径算法或者不能处理具有重复数据、近似数据或线性相关数据,或者计算开销较大.针对这些问题,应用正定矩阵方程组求解方法来求解SVM正则化路径,提出正定矩阵SVM正则化路径算法(positive definite SVM path,PDSVMP).PDSVMP算法将迭代方程组的系数矩阵转换为正定矩阵,并采用Cholesky分解方法求解路径上各拐点处Lagrange乘子增量向量；与已有算法中直接求解正则化参数不同,该算法根据活动集变化情况确定参数增量,并在此基础上计算正则化参数,这样保证了理论正确性和数值稳定性,并可降低计算复杂性.实例数据集及标准数据集上的实验表明,PDSVMP算法可正确处理包含重复数据、近似数据或线性相关数据的数据集,并具有较高的计算效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	廖士中	天津大学计算机科学与技术学院	40	162	9.0	10.0
2	赵志辉	天津大学计算机科学与技术学院	2	12	1.0	2.0
4	王梅	天津大学计算机科学与技术学院	63	704	16.0	25.0