| 大规模SVDD的坐标下降算法 |
| |
| 引用本文： | 陶卿,罗强,朱烨雷,储德军.大规模SVDD的坐标下降算法[J].模式识别与人工智能,2012(6):950-957. |
| |
| 作者姓名： | 陶卿 罗强 朱烨雷 储德军 |
| |
| 作者单位： | 中国人民解放军陆军军官学院 |
| |
| 基金项目： | 国家自然科学基金资助项目(No.61273296,60975040) |
| |
| 摘 要： | 支持向量数据描述(SVDD)是一种无监督学习算法,在图像识别和信息安全等领域有重要应用.坐标下降方法是求解大规模分类问题的有效方法,具有简洁的操作流程和快速的收敛速率.文中针对大规模SVDD提出一种高效的对偶坐标下降算法,算法每步迭代的子问题都可获得解析解,并可使用加速策略和简便运算减少计算量.同时给出3种子问题的选择方法,并分析对比各自优劣.实验对仿真和真实大规模数据库进行算法验证.与LibSVDD相比,文中方法更具优势,1.4s求解105样本规模的ijcnn文本库.
|
| 关 键 词： | 支持向量数据描述(SVDD) 收敛速率 坐标下降 解析解 |
Coordinate Descent Algorithms for Large-Scale SVDD |
| |
| TAO Qing,LUO Qiang,ZHU Ye-Lei,CHU De-Jun.Coordinate Descent Algorithms for Large-Scale SVDD[J].Pattern Recognition and Artificial Intelligence,2012(6):950-957. |
| |
| Authors: | TAO Qing LUO Qiang ZHU Ye-Lei CHU De-Jun |
| |
| Affiliation: | (The Chinese People’s Liberation Army Officer Academy,Hefei 230031) |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 等数据库收录！ |
|
