×
安娜贝拉·阿斯托里诺;安东尼奥·福杜利

半监督球形分离。 （英语） Zbl 1443.90009号

申请。数学。建模 39，第20号，6351-6358（2015）.
摘要：我们将两个不相交有限点集的球面分离概念嵌入到半监督框架中。这种方法提高了解决未标记点数量非常大且标记数据通常昂贵的实际分类问题的效率。我们建立了一个模型，其特征是一个非凸且不可微的误差函数，并用束方法将其最小化。报告了从文献中获得的一些小/大数据集的数值结果。

引用于6文件

MSC公司：

90-10 运筹学和数学规划相关问题的数学建模或模拟
62H30型 分类和区分；聚类分析（统计方面）

关键词：

半监督分类;球形分离;非光滑优化

软件：

伦敦银行支持向量机
PDF格式BibTeX公司 XML格式引用
\textit{A.Astorino}和\textit{A.Fuduli}，应用。数学。建模39，No.20，6351--6358（2015；Zbl 1443.90009）
全文： DOI程序

参考文献：

[1] Astorino，A。；Gaudioso，M.，用于分类问题的带核变换的固定中心球面分离算法，CMS，6357-372（2009）·Zbl 1170.90530号
[2] Astorino，A。；Fuduli，A。；Gaudioso，M.，球形分离的DC模型，J.Global Optim。，48, 657-669 (2010) ·Zbl 1206.90120号
[3] Astorino，A。；Fuduli，A。；Gaudioso，M.，球面分离中的边缘最大化，计算。最佳方案。申请。，5301-322（2012年）·Zbl 1258.90066号
[4] LeThi，H.A.公司。；Le，H.M。；PhamDinh，T。；VanHuynh，N.，通过DC编程和DCA通过球形分离器进行二元分类，J.Global Optim。，56, 1393-1407 (2013) ·Zbl 1275.90093号
[5] （Chapelle，O.；Schölkopf，B.；Zien，A.，《半监督学习》（2006），麻省理工学院出版社：麻省理学院出版社剑桥）
[6] 北卡罗来纳州克里斯蒂亚尼尼。；Shawe Taylor，J.，《支持向量机和其他基于内核的学习方法导论》（2000），剑桥大学出版社
[7] Schölkopf，B。；Burges，C.J.C。；Smola，A.J.，《核方法的进展》。支持向量学习（1999），麻省理工学院出版社：麻省理学院出版社，马萨诸塞州剑桥
[8] Schölkopf，B。；Smola，A.J.，《与内核一起学习》（2002），麻省理工学院出版社：麻省理学院出版社，剑桥
[9] 肖-泰勒，J。；Cristianini，N.，《模式分析的核心方法》（2004），剑桥大学出版社
[10] Vapnik，V.，《统计学习理论的本质》（1995），Springer Verlag:Springer Verlag纽约·Zbl 0833.62008号
[12] Angiulli，F。；Astorino，A.，使用最近邻凝聚放大支持向量机，IEEE Trans。神经网络。，21, 351-357 (2010)
[13] 摩尔，G。；Bergeron，C。；Bennett，K.P.，原始SVM的模型选择，马赫数。学习。，85, 175-208 (2011) ·Zbl 1237.68159号
[14] 彭杰。；Ferguson，S。；拉弗蒂，K。；Stewart，V.，稀疏支持向量分类器的序列算法，模式识别。，46, 1195-1208 (2013) ·Zbl 1255.68126号
[16] 塞维卡普，H。；Triggs，B.，基于超磁盘的大边距分类器，模式识别。，46, 1523-1531 (2013) ·Zbl 1264.68125号
[17] Astorino，A。；Gaudioso，M.，分类问题的椭球分离，Optim。方法软件。，20, 261-270 (2005) ·兹比尔1072.90027
[18] Astorino，A。；高迪奥索，M。；Seeger，A.，有限集的圆锥分离。I.均质案例，J.Convex Anal。，21, 1-28 (2014) ·兹比尔1401.90150
[19] 阿斯托里诺，A。；高迪奥索，M。；Seeger，A.，有限集的圆锥分离。二、。非均质情况，J.凸分析。，21, 819-831 (2014) ·Zbl 1314.90062号
[20] Bagirov，A.M。；Ugon，J。；韦布，D。；Ozturk，G。；Kasimbeyli，R.，基于多面体二次曲线和最大最小可分性的新型分段线性分类器，TOP，21，3-24（2013）·Zbl 1263.65051号
[21] Gasimov，R.N。；Ozturk，G.，通过多面体二次曲线函数分离，Optim。方法软件。，21, 527-540 (2006) ·Zbl 1113.90095号
[22] Orsenigo，C。；Vercellis，C.，使用多面体分类器从少数示例中准确学习，Compute。最佳方案。申请。，38, 235-247 (2007) ·Zbl 1133.68420号
[23] Bennett，K.P。；Demiriz，A.，《半监督支持向量机》，（Kearns，M.S.；Solla，S.A.；Cohn，D.A.，《神经信息处理系统进展》，第12卷（1998年），麻省理工学院出版社：麻省理工学出版社，剑桥），368-374
[26] Fung，G。；Mangasarian，O.L.，用于未标记数据分类的半监督支持向量机，Optim。方法软件。，15, 29-44 (2001) ·Zbl 1075.68633号
[27] 科洛伯特，R。；辛兹，F。；韦斯顿，J。；Bottou，L.，《大规模超导SVM》，J.Mach。学习。第7号决议，1687-1712（2006）·Zbl 1222.68173号
[28] Bie，T。；Cristianini，N.，《使用半定规划的半监督学习》，（Chapelle，O.；Schölkopf，B.；Zien，A.，《半监督学习（2006）》，麻省理工出版社：麻省理学出版社剑桥）
[29] Astorino，A。；Fuduli，A.，半监督分类的非光滑优化技术，IEEE Trans。模式分析。机器。智力。，29, 2135-2142 (2007)
[30] Astorino，A。；Fuduli，A.，支持向量机在半监督学习中的多面体可分性，J.Optim。理论应用。，164（2015年）·Zbl 1320.90077
[31] 阿斯托里诺，A。；Gorgone，E。；高迪奥索，M。；Pallaschke，D.，半监督SVM分类中的数据预处理，优化，60，143-151（2011）·Zbl 1219.90128号
[32] 沙佩尔，O。；信德瓦尼，V。；Keerthi，S.S.，《半监督支持向量机的优化技术》，J.Mach。学习。第9号决议，203-233（2008年）·Zbl 1225.68158号
[33] 阿斯托里诺，A。；Fuduli，A。；Gorgone，E.，分类问题中的非光滑性，Optim。方法软件。，23, 675-688 (2008) ·Zbl 1154.90643号
[34] An，L.T.H。；Tao，P.D.，DC（凸函数的差异）编程和DCA用真实世界非凸优化问题的DC模型重访，Ann.Oper。Res.，133，23-46（2005）·Zbl 1116.90122号
[35] Fuduli，A。；高迪奥索，M。；Giallonbardo，G.，通过切割平面和接近控制最小化非凸非光滑函数，SIAM J.Optim。，14, 743-756 (2004) ·Zbl 1079.90105号
[36] Bergeron，C。；摩尔，G。；Zaretzki，J。；布伦曼，C。；Bennett，K.，多实例学习的快速捆绑算法，IEEE Trans。模式分析。机器。智力。，34, 1068-1079 (2012)
[38] Wolfe，P.，《最小化不可微函数的共轭次梯度方法》，（Balinski，M.L.；Wolfe和P.，不可微优化。不可微最优化，数学规划研究，第3卷（1975年），北荷兰特：北荷兰德阿姆斯特丹），145-173·Zbl 0369.90093号
[39] Fuduli，A。；Gaudioso，M.，凸极小化中邻近参数的调整策略，J.Optim。理论应用。，130, 95-112 (2006) ·Zbl 1139.90022号
[40] Kiwiel，K.C.，凸不可微极小化束方法中的邻近控制，数学。编程，46，105-122（1990）·Zbl 0697.90060号
[41] Mäkelä，M。；Neitaanmaki，P.，《非光滑优化：分析和算法及其在最优控制中的应用》（1992），《世界科学》·Zbl 0757.49017号
[42] Clarke，F.H.，《优化和非光滑分析》（1983），John Wiley and Sons·Zbl 0582.49001号
[44] Odewahn，S。；斯托克韦尔，E。；彭宁顿，R。；汉弗莱斯，R。；Zumach，W.，《利用神经网络实现恒星/星系的自动识别》，Astron。J.，103，318-331（1992）
[45] Chang，C.C。；Lin，C.J.，LIBSVM：支持向量机库，ACM Trans。智力。系统。技术，2，27:1-27:27（2011），可在<www.csie.ntu.edu.tw/cjlin/libsvm上获得的软件>
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。