| 共轭梯度型支撑向量机 |
| |
| 引用本文： | 周水生,周利华.共轭梯度型支撑向量机[J].模式识别与人工智能,2006,19(2). |
| |
| 作者姓名： | 周水生 周利华 |
| |
| 作者单位： | 1. 西安电子科技大学,理学院,西安,710071;西安电子科技大学,多媒体研究所,西安,710071
2. 西安电子科技大学,多媒体研究所,西安,710071 |
| |
| 基金项目： | 国家部委科技电子预研项目 |
| |
| 摘 要： | 求解支撑向量机的二次规划有不同的变形.对于线性问题,从一个变形出发,利用Lagrangian对偶技巧,将特征空间的高维二次规划问题转化为输入空间的低维无约束、可微凸的对偶规划.针对目标函数的分片二次特征,结合快速精确的一维搜索技术,提出共轭梯度型支撑向量机来求解该问题.利用Cholesky分解或非完全(incomplete)Cholesky分解方法分解核矩阵,在算法复杂度增加很少的条件下可实现基于核函数的非线性分类.该算法可以在普通计算机上快速求解上百万规模的线性训练问题和较大规模的非线性训练问题.大量数据实验和复杂度分析表明,该算法与同类算法如ASVM、LSVM相比是有效的.
|
| 关 键 词： | 支撑向量机 共轭梯度法 Lagrangian对偶 核函数 |
Conjugate Gradients Support Vector Machine |
| |
| ZHOU Shui-Sheng,ZHOU Li-Hua.Conjugate Gradients Support Vector Machine[J].Pattern Recognition and Artificial Intelligence,2006,19(2). |
| |
| Authors: | ZHOU Shui-Sheng ZHOU Li-Hua |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
