基于无约束凸可微极小化的精确1-范数支持向量机
Olvi L.Mangasarian公司; 7(56):1517−1530, 2006.
摘要
通常使用1-范数的支持向量机设置为线性程序（Mangasarian，2000；Bradley和Mangasarian，1998），在这里制定作为凸可微的完全无约束最小化对偶空间中的分段二次目标函数。目标函数，具有Lipschitz连续梯度且仅包含一个梯度附加的有限参数，可以通过广义牛顿法并导出支持向量的精确解机器故障。这里的方法基于一个公式非常一般的线性规划的无约束极小化支持向量机分类问题及其应用问题。当前的方法概括了这两者（Mangasarian，2004）和（Fung和Mangasaran，2004）也适用于非线性非线性核函数个数最少的逼近用于从给定数字近似函数函数值的。
[腹肌]
[pdf格式][围兜]
