埃米利奥·卡里佐萨;罗梅罗·莫拉莱斯，多洛雷斯 监督分类和数学优化。 （英语） Zbl 1349.68135号 计算。操作。物件。 40，第1期，150-165（2013）. 摘要：数据挖掘技术通常要求解决优化问题。监督分类，特别是支持向量机，可以被视为一个范例。本文强调了数学优化方法与监督分类之间的一些联系。研究表明，数学优化的许多不同领域在离线监督分类方法中发挥着重要作用。此外，数学优化对于解决分类中的重要问题非常有用，例如识别相关变量、提高分类器的可解释性或处理数据中的模糊/噪声。 引用于49文件 MSC公司： 68T05型 人工智能中的学习和自适应系统 62小时30分 分类和区分；聚类分析（统计方面） 90 C90 数学规划的应用 关键词：数据挖掘;数学优化;支持向量机;可解释性;成本效益 软件：伦敦银行支持向量机;SHOGUN公司;中央情报局;SVMTorch公司;gBoost公司;ElemStatLearn（电子状态学习）;4.5条;bmrm公司;帕伽索斯;SSVM（SSVM）;群集查找;阿达·布斯特。MH公司 PDF格式BibTeX公司 XML格式引用 \textit{E.Carrizosa}和\textit{D.Romero Morales}，计算。操作。第40号决议，第1号，150--165（2013；Zbl 1349.68135） 全文： 内政部 链接 参考文献： [1] 阿尔瓦雷斯，F。；López，J。；拉米雷斯；Héctor，C.，二阶锥规划的可变度量内部近端算法：结构优化和支持向量机的应用，优化方法和软件，25，6，859-881（2010）·Zbl 1226.90041号 [2] 阿马尔迪，E。；Kann，V.，关于线性系统中最小化非零变量或未满足关系的逼近性，理论计算机科学，209237-260（1998）·Zbl 0915.68072号 [3] An，L.T.H。；Tao，P.D.，DC（凸函数的差异）编程和DCA与真实世界非凸优化问题的DC模型重访，运筹学年鉴，133，23-46（2005）·Zbl 1116.90122号 [5] 阿普特，C。；刘，B。；Pednault，体育博士。；Smyth，P.，数据挖掘的商业应用，ACM通信，45，8，49-53（2002） [6] Astorino，A。；Fuduli，A。；Gaudioso，M.，球形分离的DC模型，《全球优化杂志》，48657-669（2010）·Zbl 1206.90120号 [7] Astorino，A。；Fuduli，A。；Gorgone，E.，分类问题中的非光滑性，优化方法和软件，23，5，675-688（2008）·兹比尔1154.90643 [8] Astorino，A。；Gaudioso，M.，分类问题的椭球分离，优化方法和软件，20，2-3，267-276（2005）·Zbl 1072.90027号 [9] Audet，C。；Hansen，P。；卡拉姆。；Ng、S。；Perron，C.T.，精确（l_2）范数平面分离，《优化快报》，2，4，483-495（2008）·Zbl 1159.90514号 [11] Baesens，B。；塞提诺，R。；梅斯，C。；Vanthienen，J.，使用神经网络规则提取和决策表进行信用风险评估，管理科学，49，3311-329（2003）·Zbl 1232.91684号 [12] Bagirov，A.M.，《Max-min可分性，优化方法和软件》，20，2-3，277-296（2005）·Zbl 1129.90059号 [13] Bagirov，A.M。；鲁比诺夫，A。；北苏霍鲁科娃。；Yearwood，J.，《通过非光滑和全局优化进行非监督和监督数据分类》，TOP，11，1-75（2003）·Zbl 1048.65059号 [14] Bagirov，A.M。；Ugon，J。；韦伯，D。；Karasözen，B.，通过增量最大可分性进行分类，模式分析与应用，14165-174（2011）·Zbl 1428.68230号 [16] 新罕布什尔州巴拉卡特。；Bradley，A.P.，《从支持向量机中提取规则：顺序覆盖方法》，IEEE知识与数据工程学报，19，6，729-741（2007） [17] Bartlett，P.L。；M.I.乔丹。；McAuliffe，J.D.，凸性、分类和风险边界，美国统计协会杂志，101，473，138-156（2006）·Zbl 1118.62330号 [18] Bennett，K.P。；坎贝尔，C.，支持向量机：炒作还是哈利路亚？，SIGKDD探索，2，2，1-13（2000） [19] Bennett，K.P。；北卡罗来纳州克里斯蒂亚尼尼。；肖-泰勒，J。；Wu，D.，扩大感知器决策树的边界，机器学习，41，3，295-313（2000）·Zbl 0971.68079号 [20] Bennett，K.P。；Demiriz，A.，《半监督支持向量机》，（Kearns，M.S.；Solla，S.A.；Cohn，D.A.，《神经信息处理系统的进展》，第11卷（1999），麻省理工学院出版社：麻省理学院出版社剑桥，马萨诸塞州），368-374 [21] Bennett，K.P。；Mangasarian，O.L.，两个线性不可分集的鲁棒线性规划判别，优化方法和软件，1，23-24（1992） [22] Bennett，K.P。；Parrado Hernández，E.，优化和机器学习研究的相互作用，机器学习研究杂志，71265-1281（2006）·Zbl 1222.68146号 [23] 贝雷格，S。；Díaz-Báñez，J.M。；佩雷兹·兰特罗，P。；文图拉，I.，平面上移动点的最大箱问题，组合优化杂志，22517-530（2011）·Zbl 1236.90096号 [24] Bertsimas，D。；贝加纳多蒂尔，M.V。；Kane，硕士。；Kryder，J.Ch。；潘迪，R。；Vempala，S.，《医疗成本的算法预测》，运筹学，56，6，1382-1392（2008）·Zbl 1167.91406号 [25] Bertsimas，D。；Shioda，R.，通过整数优化进行分类和回归，运筹学，55，2，252-271（2007）·Zbl 1167.90593号 [26] 更好，M。；手套，F。；Samorani，M.，《通过垂直和切割多超平面决策树归纳进行分类》，《决策支持系统》，48，430-436（2010） [27] Bille，P.，《树编辑距离及相关问题的调查》，《理论计算机科学》，337，217-239（2005）·Zbl 1078.68152号 [28] Bock，J。；Gough，D.，从一级结构预测蛋白质相互作用，生物信息学，17455-460（2001） [29] Boros，E。；Hammer，P.L。；茨城，T。；Kogan，A.，数字数据的逻辑分析，数学规划，79，163-190（1997）·兹伯利0887.90179 [30] Boser，B。；盖恩，I。；Vapnik，V.N.，最佳边缘分类器的训练算法，（Haussler，D.，第五届ACM计算学习理论研讨会论文集（1992）），144-152 [31] 布拉德利，P.S。；法耶兹，U.M。；Mangasarian，O.L.，《数据挖掘的数学编程：公式和挑战》，《计算信息杂志》，11，3，217-238（1999）·Zbl 0973.90096号 [32] 布拉德利，P.S。；Mangasarian，O.L。；Musicant，D.，《大规模数据集中的优化方法》（Abello，J.；Pardalos，P.M.；Resende，M.G.C.，《海量数据集手册》（2002年），Kluwer学术出版社：Kluwer-学术出版社波士顿），439-471·Zbl 1024.68019号 [33] 布拉德利，P.S。；Mangasarian，O.L。；Street，W.N.，《通过数学编程进行特征选择》，《信息计算杂志》，10，2，209-217（1998）·Zbl 1034.90529号 [34] Breiman，L.，Bagging predictors，机器学习，26，2，123-140（1996）·Zbl 0858.68080号 [35] Breiman，L.，《随机森林，机器学习》，45，1，5-32（2001）·Zbl 1007.68152号 [36] 布雷曼，L。；弗里德曼，J.H。；Olshen，R.A。；Stone，C.J.，《分类和回归树》（1984），华兹华斯：加利福尼亚州华兹华斯·贝尔蒙特·Zbl 0541.62042号 [37] 布罗德利，C.E。；Utgoff，P.E.，多元决策树，机器学习，19，1，45-77（1995）·Zbl 0831.68091号 [38] Brooks，J.P.，具有斜坡损失和硬裕度损失的支持向量机，运筹学，59，2467-479（2011）·兹比尔1228.90057 [39] 布鲁克斯，J.P。；Lee，E.K.，基于混合整数编程的多类别约束判别模型的一致性分析，运筹学年鉴，174，147-168（2010）·Zbl 1185.90156号 [40] Burges，C.J.C.，模式识别、数据挖掘和知识发现支持向量机教程，2，2，121-167（1998） [41] Burges，C.J.C。；Crisp，D.J.，核方法的唯一性定理，神经计算，55187-220（2003） [42] 曹立军。；Tay，F.E.H.，金融时间序列预测中具有自适应参数的支持向量机，IEEE神经网络汇刊，14，6，1506-1518（2003） [43] Carrizosa，E.，用支持向量机推导多准则决策中的权重，TOP，14，2，399-424（2006）·Zbl 1278.90189号 [44] Carrizosa，E.，《支持向量机和距离最小化》，（Pardalos，P.M.；Hansen，P.，《数据挖掘和数学编程》（CRM会议记录和课堂讲稿），第45卷（2008年），美国数学学会），1-13·Zbl 1213.90194号 [46] Carrizosa，E。；Martín-Barragán，B.，通过生物目标边际最大化模型进行两组分类，《欧洲运筹学杂志》，173,3746-761（2006）·Zbl 1120.90027号 [47] Carrizosa，E。；马丁·巴拉根，B。；Romero Morales，D.，《带测量成本的多组支持向量机：生物目标方法》，《离散应用数学》，156950-966（2008）·Zbl 1152.90536号 [48] Carrizosa，E。；马丁·巴拉根，B。；Romero Morales，D.，二值化支持向量机，《信息计算杂志》，22，1，154-167（2010）·Zbl 1243.62088号 [49] Carrizosa，E。；马丁·巴拉根，B。；Romero Morales，D.，《在监督分类中检测相关变量和交互作用》，《欧洲运筹学杂志》，2131260-269（2011） [50] Carrizosa，E。；马丁·巴拉根，B。；罗梅罗·莫拉莱斯博士。；Plastria，F.，《关于选择最近邻分类的全球最佳原型子集》，《计算信息杂志》，19，3，470-479（2007）·Zbl 1241.90086号 [51] Carrizosa，E。；Plastia，F.，《最佳预期距离分离半空间》，运筹学数学，33，3，662-677（2008）·Zbl 1218.90159号 [53] Cerverón，V。；Ferri，F.J.，《迈向最小一致子集的另一步：凝聚最近邻规则的禁忌搜索法》，IEEE系统、人与控制论事务——B部分：控制论，31，408-413（2001） [55] 华盛顿州Chaovaltwongse。；Fan，Y.-J。；Sachdeo，R.C.，《大脑异常活动分类的新型优化模型》，运筹学，56，6，1450-1460（2008）·Zbl 1167.92325号 [56] Chapelle，O.，训练原始支持向量机，神经计算，19，5，1155-1178（2007）·Zbl 1123.68101号 [57] 夏贝尔，O。；信德瓦尼，V。；Keerthi，S.S.，《半监督支持向量机的分支与边界》，（Schölkopf，B.；Platt，J.；Hofmann，T.，《神经信息处理系统的进展》，第19卷（2007年），麻省理工学院出版社：麻省理学学院出版社，马萨诸塞州剑桥），217-224 [58] 夏贝尔，O。；信德瓦尼，V。；Keerthi，S.S.，《半监督支持向量机的优化技术》，《机器学习研究杂志》，9，203-233（2008）·Zbl 1225.68158号 [59] 夏贝尔，O。；Vapnik，V。；O.布斯克。；Mukherjee，S.，为支持向量机选择多个参数，机器学习，46，131-159（2002）·Zbl 0998.68101号 [60] 陈，N。；卢·W。；杨，J。；Li，G.，化学中的支持向量机（2004），世界科学：世界科学新加坡 [61] Chen，Y.-L。；Tang，K。；沈荣杰。；Hu，Y.-H.，多商店环境下的市场篮分析，决策支持系统，40，2，339-354（2005） [62] 张，K.-W。；郭敬通（Kwok，J.T.）。；法学硕士。；Tsui，K.-Ch.，为个性化营销挖掘客户产品评级，决策支持系统，35，2，231-243（2003） [63] 科恩，G。；希拉里奥，M。；Geissbuhler，A.，通过遗传算法选择支持向量分类器的模型——医学决策支持的应用，（Barrero，J.M.；Martin-Sanchez，F.；Maojo，V.；Sanz，F..，ISBMDA 2004年会议记录。计算机科学讲稿，第3337卷（2004），施普林格：施普林格柏林），200-211 [64] 科洛伯特，R。；Bengio，S.，SVMTorch：大规模回归问题的支持向量机，机器学习研究杂志，1143-160（2001）·Zbl 1052.68111号 [65] 科洛伯特，R。；辛兹，F。；韦斯顿，J。；Bottou，L.，《大规模转换SVM》，《机器学习研究杂志》，第7期，1687-1712页（2006年）·Zbl 1222.68173号 [67] Conforti，D。；Guido，R.，通过半定编程的基于内核的支持向量机：在医学诊断中的应用，计算机与运筹学，37,81389-1394（2010）·Zbl 1183.68470号 [68] 科恩·D·。；Dhanens，C。；Jourdan，L.，《运筹学与数据挖掘之间的协同作用：多目标方法的新兴应用》，《欧洲运筹学杂志》，第221、3、469-479页（2012年）·Zbl 1253.90002号 [69] 科尔特斯，C。；Mohri，M.，AUC优化与错误率最小化，（Thrun，S.；Saul，L.K.；Schölkopf，B.，《神经信息处理系统的进展》，第16卷（2004），麻省理工学院出版社：麻省理学学院出版社，马萨诸塞州剑桥），313-320 [70] 科尔特斯，C。；Vapnik，V.，支持向量网络，机器学习，20，273-297（1995）·兹比尔08316.8098 [71] 盖，T.M。；Hart，P.E.，最近邻模式分类，IEEE信息理论汇刊，13，21-27（1967）·兹比尔0154.44505 [72] 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核的学习方法简介》（2000），剑桥大学出版社·Zbl 0994.68074号 [73] 崔，G。；Wong，M.L。；Lui，H.K.，《直接营销响应模型的机器学习：具有进化编程的贝叶斯网络》，《管理科学》，52，4，597-612（2006）·Zbl 1232.90232号 [74] Dasarathy，B.V.，《最近邻（NN）规范：NN模式分类技术》（1991），IEEE计算机学会出版社：IEEE计算机协会出版社，加利福尼亚州洛斯·阿拉米托斯 [75] Decoste，D。；Schölkopf，B.，《训练不变支持向量机》，机器学习，46，161-190（2002）·兹比尔0998.68102 [76] Dekel，O。；O.沙米尔。；Xiao，L.，学习用缺失和损坏的特征进行分类，机器学习，81，149-178（2010）·Zbl 1470.68095号 [77] Demiriz，A。；Bennett，K.P。；Shawe-Taylor，J.，通过列生成提升线性规划，机器学习，46，225-254（2002）·Zbl 0998.68105号 [78] Devroye，L。；Györfi，L。；Lugosi，G.，模式识别的概率理论（1996），Springer:Springer纽约·Zbl 0853.68150号 [79] （Diederich，J.，《从支持向量机中提取规则》，《计算智能研究》，第80卷（2008年），施普林格出版社）·Zbl 1138.68003号 [80] Dietterich，T.G.，《构建决策树集合的三种方法的实验比较：打包、增强和随机化》，机器学习，40，2，139-157（2000） [81] Doumpos，M。；Chatzi，E。；Zopounidis，C.，一些分类方法的实验评估，《全局优化杂志》，36，1，33-50（2006）·Zbl 1113.62077号 [82] 杜，P。；彭杰。；Terlaky，T.，《自适应支持向量机：建模与实验》，计算管理科学，6，1，41-51（2009）·Zbl 1170.68554号 [83] Duan，K。；Keerthi，S.S。；Poo，A.N.，调整SVM超参数的简单性能度量的评估，神经计算，51，41-59（2003） [84] 杜阿尔特·席尔瓦，A.P。；Stam，A.，判别分析的二阶数学规划公式，《欧洲运筹学杂志》，72，4-22（1994）·Zbl 0788.62052号 [85] 福尔克，J.E。；Karlov，V.E.，通过二次函数实现有限集的稳健分离，计算机与运筹学，28，6，537-561（2001） [87] 福塞特，T。；Provost，F.，自适应欺诈检测，数据挖掘和知识发现，1，3，291-316（2005） [88] 费利西，G。；Truempha，K.，《逻辑域学习的MINSAT方法》，《计算信息杂志》，14，1，20-36（2002）·Zbl 1238.68044号 [89] 马里兰州费里斯。；Munson，T.S.，大规模支持向量机的内点方法，SIAM优化期刊，13，3，783-804（2003）·兹比尔1039.90092 [90] 马里兰州费里斯。；Munson，T.S.，《半光滑支持向量机》，《数学规划》，101,1185-204（2004）·Zbl 1076.90041号 [91] 罚款，S。；Scheinberg，K.，使用低阶核表示的高效SVM训练，机器学习研究杂志，2242-264（2001）·Zbl 1037.68112号 [92] Fisher，R.A.，《分类学问题中多重测量的使用》，《优生学年鉴》，第7179-188页（1936年） [93] 弗里德，北。；Glover，F.，判别问题的简单但强大的目标规划模型，《欧洲运筹学杂志》，744-60（1981）·Zbl 0456.90075号 [94] 弗里德，北。；Glover，F.，评估替代线性规划模型以解决两组判别问题，决策科学，17，2，151-162（1986） [95] 弗伦德，Y。；Schapire，R.E.，《在线学习的决策理论推广及其在助推中的应用》，《计算机与系统科学杂志》，55，1，119-139（1997）·Zbl 0880.68103号 [96] 弗里德曼，J.H。；Popescu，B.E.，通过规则集合进行预测学习，《应用统计年鉴》，第2、3、916-954页（2008年）·Zbl 1149.62051号 [99] Fung，G。；Mangasarian，O.L.，用于未标记数据分类的半监督支持向量机，优化方法和软件，15，1，29-44（2001）·Zbl 1075.68633号 [100] Fung，G。；Mangasarian，O.L.，支持向量机分类的特征选择牛顿方法，计算优化与应用，28，2，185-202（2004）·Zbl 1056.90103号 [101] Fung，G。；Mangasarian，O.L.，多类别近端支持向量机分类器，机器学习，59，77-97（2005）·Zbl 1101.68758号 [102] Furey，T。；北卡罗来纳州克里斯蒂亚尼尼。；达菲，N。；Bednarski，D.W。；舒默，M。；Haussler，D.，使用微阵列表达数据对癌症组织样本进行支持向量机分类和验证，生物信息学，16906-914（2000） [103] 加夫里沙卡，V.V。；Banerjee，S.，支持向量机作为股市波动预测的有效框架，计算管理科学，3147-160（2006）·Zbl 1142.91718号 [104] Van Gestel，T。；苏肯斯，J.A.K。；Baesens，B。；Viaene，S。；Vantheinen，J。；Dedene，G.，基准最小二乘支持向量机分类器，机器学习，54，1，5-32（2004）·Zbl 1078.68737号 [105] 吉尔摩，P.C。；Gomory，R.E.，《切割库存问题的线性规划方法》，运筹学，9849-859（1961）·Zbl 0096.35501号 [106] 格拉迪，N。；Baesens，B。；Croux，Ch.，使用客户终身价值建模流失，《欧洲运营研究杂志》，197，1402-411（2009）·兹比尔1157.91396 [107] 戈切特，W。；斯塔姆·A。；斯里尼瓦桑，V。；Chen，S.X.，使用线性规划的多组判别分析，运筹学，45213-225（1997）·Zbl 0890.90180号 [109] 盖恩，I。；Elisseeff，A.，《变量和特征选择简介》，《机器学习研究杂志》，31157-1182（2003）·Zbl 1102.68556号 [110] 盖恩，I。；韦斯顿，J。；巴恩希尔，S。；Vapnik，V.，使用支持向量机进行癌症分类的基因选择，机器学习，46，389-422（2002）·Zbl 0998.68111号 [111] Haasdonk，B.，具有不确定核的SVM的特征空间解释，IEEE模式分析和机器智能汇刊，27，4，482-492（2005） [112] 哈登，J。；Tiwari，A。；罗伊·R。；Ruta，D.，《计算机辅助客户流失管理：最先进和未来趋势》，《计算机与运营研究》，34，10，2902-2917（2007）·Zbl 1185.90119号 [113] Hamel，L.H.，《支持向量机的知识发现》（2009），威利 [114] Hammer，P.L。；Kogan，A。；Lejeune，M.A.，《逆向工程国家风险评级：组合非递归模型》，《运筹学年鉴》，79，163-190（2009） [115] Han，J。；奥特曼，R.B。；库马尔，V。；Mannila，H。；Pregibon，D.，《数据挖掘中的新兴科学应用》，ACM通讯，45，8，54-58（2002） [116] 汉德，H。；Mannila，H。；Smyth，P.，《数据挖掘原理》（2001），麻省理工出版社 [117] Hart，P.E.，《压缩最近邻规则》，《IEEE信息理论汇刊》，第14期，第515-516页（1968年） [118] 哈斯蒂，T。；Rosset，S。；蒂布希拉尼，R。；Zhu，J.，支持向量机的整个正则化路径，机器学习研究杂志，51391-1415（2004）·Zbl 1222.68213号 [119] 哈斯蒂，T。；Tibshirani，R.，判别自适应最近邻分类，IEEE模式分析和机器智能汇刊，18，6，607-616（1996） [120] 哈斯蒂，T。；Tibshirani，R.，《两两耦合分类》，《统计年鉴》，26，2，451-471（1998）·Zbl 0932.62071号 [121] 哈斯蒂，T。；蒂布希拉尼，R。；Friedman，J.，《统计学习的要素：数据挖掘、推理和预测》（2001），Springer:Springer New York·Zbl 0973.62007号 [122] 亨德勒，R。；Hendler，F.，《了不起的拉斯维加斯的收入管理：将客户关系管理和收入管理结合起来以实现盈利能力最大化》，《收入与定价管理杂志》，第3期，第173-79页（2004年） [123] Herbrich，R.，学习内核分类器。理论与算法（2002），麻省理工学院出版社·Zbl 1504.68002号 [124] 霍夫曼，T。；Schölkopff，B。；Smola，A.J.，机器学习中的内核方法，《统计年鉴》，36，3，1171-1220（2008）·Zbl 1151.30007号 [125] Izenman，A.J.，《现代多元统计技术》（2008），Springer:Springer New York·兹比尔1155.62040 [126] 姜涛（Jiang，T.）。；Wang，L。；Zhang，K.，《树木排列——树木编辑的替代方法》，理论计算机科学，143，1137-148（1995）·兹伯利0873.68150 [127] Joachims，T.，《使大规模SVM学习实用化》，（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：麻省理学学院出版社，马萨诸塞州剑桥），169-184 [128] 卡拉姆。；卡波罗西，G。；Hansen，P.，通过可变邻域搜索分离任意形式超平面，IMA管理数学杂志，18，2，173-189（2007）·Zbl 1177.90376号 [129] 考夫曼，L。；Rousseeuw，P.J.，《在数据中寻找群体》。聚类分析导论（1990），威利：威利纽约·Zbl 1345.62009号 [130] Keerthi，S.S.，使用半径/边界和迭代算法有效调整SVM超参数，IEEE神经网络汇刊，131225-1229（2002） [131] Keerthi，S.S。；夏贝尔，O。；DeCoster，D.，构建分类器复杂度降低的支持向量机，机器学习研究杂志，71493-1515（2006）·Zbl 1222.68230号 [132] Keerthi，S.S。；DeCoster，D.，用于快速求解大规模线性SVM的修正有限牛顿法，机器学习研究杂志，6，341-361（2005）·Zbl 1222.68231号 [133] Keerthi，S.S。；Gilbert，E.G.，用于SVM分类器设计的广义SMO算法的收敛性，机器学习，46，1-3，351-360（2002）·兹比尔0998.68109 [134] Keerthi，S.S。；Lin，Ch.-J.，高斯核支持向量机的渐近行为，神经计算，151667-1689（2003）·Zbl 1086.68569号 [135] Keerthi，S.S。；Shevade，S.K。；Murthy，K.，改进Platt的SMO算法用于SVM分类器设计，神经计算，13，637-649（2001）·Zbl 1085.68629号 [137] Kunapuli，G。；Bennett，K.P。；胡，J。；Pang，J.-S.，支持向量机的双层模型选择，（Pardalos，P.M.；Hansen，P.，数据挖掘和数学编程。CRM会议记录和课堂讲稿，第45卷（2008），美国数学学会），129-158·Zbl 1145.68488号 [138] Kuncheva，L.I.，编辑中的适应度函数\（k）-遗传算法的NN参考集，模式识别，30，6，1041-1049（1997） [139] 柳叶刀，G。；北卡罗来纳州克里斯蒂亚尼尼。；Bartlett，P。；Ghaoui，L。；Jordan，M.I.，用半定编程学习核矩阵，机器学习研究杂志，5，27-72（2004）·Zbl 1222.68241号 [142] Lee，Y.-J。；Mangasarian，O.L.，SSVM：用于分类、计算优化和应用的平滑支持向量机，20，5-22（2001）·Zbl 1017.90105号 [143] Leslie，C。；Eskin，E。；韦斯顿，J。；Noble，W.，《支持向量机蛋白质分类的错配字符串核》（Becker，S.；Thrun，S.）；Obermayer，K.，《神经信息处理系统的进展》，第15卷（2003），麻省理工学院出版社：麻省理学学院出版社剑桥，马萨诸塞州），1441-1448 [144] 莱斯曼，S。；Voß，S.，《客户关系管理中决策支持的监督分类》（Bortfeldt，A.；Homberger，J.；Kopfer，H.；Pankratz，G.；Strangmeier，R.，《智能决策支持》（2008），Gabler:Gabler-Wiesbaden），231-253 [145] Lin，C.J。；Lucidi，S。；Palagi，L。；A.里西。；Sciandone，M.，受上下界约束的单线性约束问题的分解算法模型，优化理论与应用杂志，141,1107-126（2009）·Zbl 1168.90556号 [146] Lin，Y.，SVM和分类、数据挖掘和知识发现中的贝叶斯规则，6259-275（2002） [147] 刘，H。；侯赛因，F。；Tan，C.L。；Dash，M.，《离散化：一种使能技术》，数据挖掘和知识发现，6，4393-423（2002） [148] 刘，Y。；Wu，Y.，通过混合整数规划优化（\psi-\operatorname{learning}），中国统计，16，441-457（2006）·Zbl 1331.62313号 [149] 刘，Y。；Zhang，H.H。；帕克，C。；Ahn，J.，具有自适应惩罚的支持向量机，计算统计与数据分析，51，12，6380-6394（2007）·兹比尔1446.62179 [150] Loh，W.-Y.，《提高分类树的精度》，《应用统计年鉴》，第3期，第4期，第1710-1737页（2009年）·Zbl 1184.62109号 [151] 卢，W.-Y。；Vanichsetakul，N.，通过广义判别分析进行树结构分类，美国统计协会杂志，83，403，715-725（1988）·Zbl 0649.62055号 [152] Lorena，A.C。；de Carvalho，A.C.P.L.F.，多类问题中SVM参数值的进化调整，神经计算，71，3326-3334（2008） [153] Loveman，G.，《数据挖掘中的钻石》，《哈佛商业评论》，第81、5、109-113页（2003年） [154] Lozano，M。；索托卡，J.M。；桑切斯，J.S。；平面图，F。；佩·卡尔斯卡，E。；Duin，R.P.W.，向量空间中基于原型分类的原型优化算法的实验研究，模式识别，39，10，1827-1838（2006）·Zbl 1097.68619号 [155] Lucidi，S。；Palagi，L。；A.里西。；Sciandone，M.，支持向量机的收敛分解算法，计算优化与应用，38，217-234（2007）·Zbl 1172.90443号 [157] 卢斯，R。；d'Aspremont，A.，不定核支持向量机分类，数学规划计算，197-118（2009）·Zbl 1191.68511号 [158] Mangasarian，O.L.，通过线性规划实现模式的线性和非线性分离，运筹学，31445-453（1965） [159] Mangasarian，O.L.，误分类最小化，《全局优化杂志》，5309-323（1994）·Zbl 0814.90081号 [160] Mangasarian，O.L.，《任意形式的分离平面》，《运营研究快报》，24，15-23（1999）·Zbl 1028.90037号 [161] Mangasarian，O.L.，分类、优化方法和软件的有限牛顿法，17，913-929（2002）·兹比尔1065.90078 [162] Mangasarian，O.L.，基于知识的线性规划，SIAM优化杂志，15，2，375-382（2004）·Zbl 1114.90070号 [163] Mangasarian，O.L.，通过无约束凸可微最小化的精确1-范数支持向量机，机器学习研究杂志，1517-1530（2006）·兹比尔1211.68329 [164] Mangasarian，O.L。；Musiant，D.R.，《主动集支持向量机分类》，（Leen，T.K.；Dietterich，T.G.；Tresp，V.，《神经信息处理系统的进展》，第13卷（2001年），麻省理工学院出版社：麻省理工学院出版社，马萨诸塞州剑桥），577-583 [165] Mangasarian，O.L。；西北部街道。；Wolberg，W.H.，通过线性规划进行乳腺癌诊断和预后，运筹学，43，4，570-577（1995）·Zbl 0857.90073号 [166] Mangasarian，O.L。；Thompson，M.E.，通过无约束支持向量机进行大规模数据分类，优化理论与应用杂志，131，3，315-325（2006）·Zbl 1139.90017号 [167] M.V.Mannino。；Koushik，M.V.，《成本最小化逆分类问题：遗传算法方法》，决策支持系统，29，3，283-300（2000） [168] Marron，J.S。；托德，M.J。；Ahn，J.，《距离加权歧视》，《美国统计协会杂志》，102，480，1267-1271（2007）·Zbl 1332.62213号 [169] Martens，D。；Baesens，B。；Van Gestel，T.，通过主动学习从支持向量机中提取分解规则，IEEE知识与数据工程汇刊，21，2，178-191（2009） [170] Martens，D。；Baesens，B。；Van Gestel，T。；Vantheinen，J.，《使用支持向量机规则提取的可理解信用评分模型》，《欧洲运筹学杂志》，183，3，1466-1476（2007）·Zbl 1278.91177号 [171] 马丁·S。；罗伊，D。；Faulon，J.-L.，使用特征产品预测蛋白质相互作用，生物信息学，21，218-226（2005） [172] 马丁·德·迭戈，I。；穆尼奥斯，A。；Moguerza，J.M.，支持向量框架内核矩阵组合方法，机器学习，78，1-2，137-174（2010）·Zbl 1470.68144号 [173] Megiddo，N.，《关于多面体可分性的复杂性，离散与计算几何》，3325-337（1988）·Zbl 0669.68035号 [174] Meinshausen，N.，《节点收获》，《应用统计年鉴》，4，4，2049-272（2010）·Zbl 1220.62084号 [175] 梅塞尔，S。；Mattfeld，D.，《运筹学与数据挖掘的协同作用》，《欧洲运筹学杂志》，206，1，1-10（2010）·Zbl 1188.90001号 [176] Min，J.H。；Lee，Y.-Ch.，使用支持向量机进行破产预测，并优化选择核函数参数，应用专家系统，28，4，603-614（2005） [177] Moguerza，J.M。；穆尼奥斯，A.，《支持向量机及其应用》，《统计科学》，21，3，322-336（2006）·Zbl 1246.68185号 [179] Mucherino，A。；Papajorgji，P。；Pardalos，P.M.，《应用于农业的数据挖掘技术调查》，运筹学，9，121-140（2009）·Zbl 1172.90421号 [180] Murthy，S.K。；Kasif，S。；Salzberg，S.，《斜决策树归纳系统》，《人工智能研究杂志》，2，1-32（1994）·兹比尔0900.68335 [181] Nakayama，H.等人。；Yun，Y.B。；阿萨达，T。；Yoon，M.，机器学习的MOP/GP模型，《欧洲运筹学杂志》，166，3，756-768（2005）·Zbl 1080.68095号 [182] Nanni，L。；Lumini，A.，用于原型简化的粒子群优化，神经计算，721092-1097（2009） [183] Nguyen，M.H。；de la Torre，F.，支持向量机的最佳特征选择，模式识别，43584-591（2010）·Zbl 1187.68411号 [184] 努涅斯，H。；安古洛，C。；Catalá，A.，支持向量机的基于规则的学习系统，《神经处理快报》，24，1，1-18（2006） [185] Orsenigo，C。；Vercellis，C.，基于最小特征离散支持向量机的多元分类树，IMA管理数学杂志，14，3，221-234（2003）·Zbl 1115.90406号 [186] Orsenigo，C。；Vercellis，C.，通过禁忌搜索的离散支持向量决策树，计算统计与数据分析，47，2，311-322（2004）·Zbl 1429.62261号 [189] 帕雷德斯，R。；Vidal，E.，《学习原型和距离：基于最近邻错误最小化的原型简化技术》，模式识别，39，2，180-188（2006）·Zbl 1080.68647号 [190] 帕雷德斯，R。；Vidal，E.，学习加权度量以最小化最近邻分类错误，IEEE模式分析和机器智能汇刊，281100-110（2006） [191] 佩德罗索，J.P。；Murata，N.，《不同规范的支持向量机：动机、公式和结果》，《模式识别快报》，第22期，第1263-1272页（2001年）·Zbl 0990.68117号 [192] Plastria，F。；Carrizosa，E.，规范距离和中值超平面，优化理论与应用杂志，110，1，173-182（2001）·Zbl 1039.90036号 [194] Plastria，F。；De Bruyne，S。；Carrizosa，E.，《基于交替局部搜索的VNS线性分类》，《运筹学年鉴》，174121-134（2010）·Zbl 1185.90136号 [195] Platt，J.C.，《使用序列最小优化快速训练支持向量机》（Schölkopf，B.；Burges，C.J.C.；Smola，A.J.，《内核方法的进展——支持向量学习》（1999），麻省理工学院出版社：麻省理学学院出版社剑桥，MA），185-208 [197] Quinlan，J.R.，C4.5：机器学习程序（1993），Morgan Kaufmann:Morgan Koufmann San Mateo，CA [198] 里夫金，R。；Klautau，A.，为一对多分类辩护，《机器学习研究杂志》，5101-141（2004）·Zbl 1222.68287号 [199] Rinaldi，F。；肖恩，F。；Sciandrone，M.，用于最小化多面体集上的零范数的凹形编程，计算优化和应用，46，3，467-486（2010）·兹比尔1229.90170 [200] Rinaldi，F。；Sciandone，M.，结合线性支持向量机和凹优化的特征选择，优化方法和软件，25，1，117-128（2010）·Zbl 1190.90145号 [201] 里普利，B.D.，模式识别和神经网络（1996），剑桥大学出版社：剑桥大学出版社，英国剑桥·Zbl 0853.62046号 [203] 罗梅罗·莫拉莱斯博士。；Wang，J.，使用数据挖掘预测服务预订收入管理的取消率，《欧洲运筹学杂志》，202，2，554-562（2010）·兹比尔1175.90232 [204] 罗森布拉特，F.，《神经动力学原理：感知器和大脑机制理论》（1962年），斯巴达书籍：斯巴达图书华盛顿特区·Zbl 0143.43504号 [205] Rubin，P.A.，《线性规划和参数方法对两组判别问题的比较》，《决策科学》，21，1，373-386（1990） [206] Saigo，H。；诺沃津，S。；Kadowaki，T。；Kudo，T。；Tsuda，K.，gBoost:图形分类和回归的数学编程方法，机器学习，75，69-89（2009）·Zbl 1470.68167号 [207] Saigo，H。；维特，J.P。；Ueda，N。；Akutsu，T.，使用字符串对齐核进行蛋白质同源性检测，生物信息学，20，1682-1689（2004） [208] Scheinberg，K.，《SVM主动集方法的有效实现》，《机器学习研究杂志》，7，2237-2257（2006）·Zbl 1222.90043号 [209] Schölkopf，B。；Smola，A.，《用内核学习》（2002），麻省理工学院出版社 [210] Sebastian，F.，自动文本分类中的机器学习，ACM计算调查，34，1，1-47（2002） [212] 沙列夫·施瓦茨，Sh。；辛格，Y。；斯雷布罗，N。；Cotter，A.，Pegasos:SVM的原始估计子梯度解算器，《数学规划B系列》，127，1，3-30（2011）·Zbl 1211.90239号 [213] 沈，X。；曾国藩。；张，X。；Wong，W.H.，On（psi-\operatorname{learning}），《美国统计协会杂志》，98，724-734（2003）·Zbl 1052.62095号 [214] Shivaswamy，P.K。；巴塔查里亚，Ch。；Smola，A.J.，《处理缺失和不确定数据的二阶锥规划方法》，《机器学习研究杂志》，第7期，第1283-1314页（2006年）·Zbl 1222.68305号 [215] Smola，A.J。；奥斯瓦里，Z.L。；Williamson，R.C.，《用网络产品内核进行正则化》（Leen，T.K.；Dietterich，T.G.；Tresp，V.，《神经信息处理系统的进展》，第13卷（2001年），麻省理工学院出版社：麻省理学学院出版社，马萨诸塞州剑桥），308-314 [216] Smola，A.J。；Schölkopf，B.，《支持向量回归教程》，《统计与计算》，第14期，199-222页（2004年） [217] Sonnenburg，S。；Rätsch，G。；瑞士谢弗。；Schölkopf，B.，大规模多核学习，机器学习研究杂志，7，1531-1565（2006）·Zbl 1222.90072号 [218] Stam，A.，《统计分类的非传统方法：对规范方法的一些看法》，《运筹学年鉴》，第74期，第1-36页（1997年）·Zbl 0888.90161号 [219] Steinwart，I.，《支持向量机的稀疏性——一些渐近尖锐界限》，（Thrun，S.；Saul，L.K.；Schölkopf，B.，《神经信息处理系统的进展》，第16卷（2004），麻省理工学院出版社：麻省理学学院出版社剑桥，MA），169-184 [220] Sueyoshi，T.，DEA判别分析：八种判别分析方法的方法比较，《欧洲运筹学杂志》，169，1，247-272（2006）·Zbl 1101.90383号 [221] 苏肯斯，J.A.K。；Vandewalle，J.，最小二乘支持向量机分类器，《神经处理快报》，9，293-300（1999） [222] 税务，D.M.G。；Duin，R.P.W.，支持向量域描述，模式识别快报，20，11-13，1191-1199（1999） [223] Teo，C.H。；Vishwanathan，S.V.N。；Smola，A。；Le，Q.V.，正则化风险最小化的捆绑方法，机器学习研究杂志，11，311-365（2010）·Zbl 1242.68253号 [224] 特拉法利斯，T.B。；Gilbert，R.C.，使用支持向量机的稳健分类和回归，《欧洲运筹学杂志》，173,3893-909（2006）·Zbl 1132.62336号 [225] 特拉法利斯，T.B。；Gilbert，R.C.，分类和计算问题的稳健支持向量机，优化方法和软件，22，1，187-198（2007）·Zbl 1116.62070号 [226] 曾，P。；Yun，S.，线性约束光滑优化和支持向量机训练的坐标梯度下降法，计算优化与应用，47，2，179-206（2010）·Zbl 1226.90062号 [227] Turny，P.D.，《成本敏感分类：混合遗传决策树归纳算法的实证评估》，《人工智能研究杂志》，2369-409（1995） [228] 尤尼，F。；Türkay，M.，多类数据分类问题的混合整数编程方法，《欧洲运筹学杂志》，173，3，910-920（2006）·Zbl 1131.90435号 [229] Vapnik，V.，《统计学习理论的本质》（1995），斯普林格·弗拉格·Zbl 0833.62008号 [230] Vapnik，V.，《统计学习理论》（1998），威利·Zbl 0935.62007号 [231] Vapnik，V。；Chapelle，O.，支持向量机的误差期望界，神经计算，12013-2036（2000） [232] 瓦格纳，R.A。；Fischer，M.J.，《串对串校正问题》，《计算机协会期刊》，21,1168-173（1974）·Zbl 0278.68032号 [233] Wang，L。；Shen，X.，On（l_1）-范数多类支持向量机：方法论和理论，美国统计协会杂志，102583-594（2007）·兹比尔1172.62317 [235] 韦斯顿，J。；Elisseeff，A。；Schölkopf，B。；Tipping，M.，《零范数与线性模型和核方法的使用》，《机器学习研究杂志》，31439-1461（2003）·Zbl 1102.68605号 [236] 韦斯顿，J。；慕克吉，S。；夏贝尔，O。；庞蒂尔，M。；Poggio，T。；Vapnik，V.，SVM的特征选择，（Leen，T.K.；Dietterich，T.G.；Tresp，V.《神经信息处理系统的进展》，第13卷（2001年），麻省理工学院出版社：麻省理学院出版社，马萨诸塞州剑桥），668-674 [237] Wilfong，G.，最近邻问题，国际计算几何与应用杂志，2，4383-416（1992）·兹比尔0776.68102 [238] Woodsend，K。；Gondzio，J.，混合MPI/OpenMP并行线性支持向量机训练，《机器学习研究杂志》，1937-1953（2009）·Zbl 1235.68205号 [239] Woodsend，K。；Gondzio，J.，利用大规模线性支持向量机训练中的可分性，计算优化与应用，49，2，241-269（2011）·兹比尔1219.90210 [240] 吴，X。；库马尔，V。；昆兰，J.R。；Ghosh，J。；杨琼。；Motoda，H.，《数据挖掘中的十大算法》，《知识与信息系统》，第14、1、1-37页（2008年） [241] Wu，Y。；Liu，Y.，鲁棒截断铰链损失支持向量机，美国统计协会杂志，102974-983（2007）·Zbl 1469.62293号 [242] Xu，L.，从优化角度研究机器学习问题，《全球优化杂志》，47369-401（2010）·Zbl 1200.90179号 [244] Yuille，A.L。；Rangarajan，A.，凹-凸过程，神经计算，15，915-936（2003）·Zbl 1022.68112号 [245] Zhang，H.H。；Ahn，J。；林，X。；Park，C.，使用非凸惩罚的支持向量机进行基因选择，生物信息学，22，1，88-95（2006） [246] 张凯。；Shasha，D.，树间编辑距离的简单快速算法及相关问题，SIAM计算杂志，18，6，1245-1262（1989）·Zbl 0692.68047号 [247] 朱，J。；Rosset，S。；哈斯蒂，T。；Tibshirani，R.，1-范数支持向量机，（Thrun，S.；Saul，L.K.；Schölkopf，B.，《神经信息处理系统的进展》，第16卷（2004），麻省理工学院出版社：麻省理学学院出版社，马萨诸塞州剑桥），49-56 [248] Zopounidis，C。；Doumpos，M.，《多标准分类和排序方法：文献综述》，《欧洲运筹学杂志》，138，2，229-246（2002）·Zbl 1010.90032号 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。