×

SSVM(SSVM)

swMATH ID: 12678
软件作者: Lee,Yuh-Jye;O.L.,Mangasarian。
描述: SSVM:用于分类的平滑支持向量机。平滑方法被广泛用于解决重要的数学规划问题和应用,在这里使用完全任意的核来生成和求解用于模式分类的支持向量机的无约束平滑重新公式。我们将这种重新构造称为平滑支持向量机(SSVM)。一种求解SSVM的快速Newton-Armijo算法具有全局和二次收敛性。数值结果和比较表明了该算法的有效性和速度。在六个公开的数据集上,SSVM的十倍交叉验证正确性是其他四种方法中最高的,也是最快的。在更大的问题上,SSVM与SVM light相当或更快[T.Joachims,in:内核方法的进展-支持向量学习,麻省理工学院出版社:马萨诸塞州剑桥(1999)],SOR[O.L.Mangasarian和D.R.Musicant,IEEE Trans.Neural Networks 10,1032-1037(1999)]and SMO[J。Platt,in:《内核方法的进展——支持向量学习》,麻省理工学院出版社:马萨诸塞州剑桥(1999)]。SSVM还可以生成高度非线性的分离曲面,例如棋盘。
主页: http://research.cs.wisc.edu/dmi/svm/ssvm/
关键词: 分类;支持向量机;平滑的;Newton Armijo算法
相关软件: UCI-毫升;伦敦银行支持向量机;RSVM公司;帕伽索斯;SVM灯;LIBLINEAR银行;ElemStatLearn(电子状态学习);Matlab公司;GPDT公司;TPMSVM(胎压监测支持向量机);bmrm公司;第4.5条;CPLEX公司;PRMLT公司;TRON公司;SVMTorch公司;阿达·布斯特。MH公司;L-BFGS公司;配置文件_QP;内核-机器
引用于: 67文件
全部的 前5名

138位作者引用

5 李宇杰
5 Mangasarian,Olvi L。
4 赛义德·凯塔基
4 马可·西安德龙
4 袁玉波
侯赛因·穆塞伊
2 车、海涛
2 迪帕克·库马尔·古普塔
2 Lee,Yoonkyung先生
2 李庆娜
2 林毅
2 倪,铁
2 维罗妮卡·皮夏利
2 穆罕默德·拉扎吉
2 邵远海
2 王震(Wang,Zhen)
2 盖塔诺·赞吉拉特
1 白、兰
1 Balasundaram,S。
1 达纳·H·巴拉德。
1 法特梅·巴齐卡尔
1 马利赫·贝布迪·卡胡
1 布鲁尼,雷纳托
1 曹飞龙
1 埃米利奥·卡里佐萨
1 安德烈亚·卡西奥利
1 苏雷什·钱德拉
1 张建忠
1 奥利维尔·沙佩尔
1 陈,Jein-Shan
1 陈伟波
1 Chiavaioli,A。
1 李珍(音)
1 加泰罗尼亚·卢西亚科奇亚努
1 崔江涛
1 雷纳托·德利昂
1 朱塞佩·德尼古拉
1 邓乃阳
1 弗朗西斯科·迪努佐
1 丹尼尔·法奇尼
1 范伟国
1 冯佳诗
1 冯云龙
1 斯图亚特·弗格森
1 费拉罗,玛丽亚·布里吉达
1 罗杰·弗莱彻
1 冯格伦·马丁
1 曼利奥·高迪奥索
1 希尼娅·弗拉迪米洛夫纳·格里戈·埃娃
1 顾伟哲
1 马里奥·罗萨里奥·瓜拉西诺
1 Günter,西蒙
1 韩、乐
1 何丽芳
1 迈克尔·马蒂亚斯·赫蒂
1 Hien,Le Thi Khanh先生
1 拉迪克,米兰
1 黄建明
1 黄素云
1 黄晓琳
1 姜伟
1 Yoonsuh Jung
1 卡皮尔
1 阿克塞尔·克拉尔
1 Ko、Chun-Hsu
1 辛齐亚·拉扎里
1 李春娜
1 李美霞
1 李燕
1 梁锦锦
1 林志珍
1 Lin、Dennis Kon Jin
1 刘洪伟
1 刘利明
1 吕灿宜
1 鲁、司同
1 斯特凡诺·卢西迪
1 Steven N.MacEachern。
1 弗朗西丝卡·马吉奥尼
1 暹罗梅赫卡农
1 马里内拉米尔恰
1 阮、川越
1 牛、凌峰
1 劳拉·帕拉吉
1 帕诺斯·帕达洛斯(Panos M.Pardalos)。
1 彭建勋
1 彭新军
1 Pham、Huy Nguyen Anh
1 弗洛里安·阿莱克桑德鲁·波特拉
1 蒲冬梅
1 凯伦·拉弗蒂
1 赫姆坎达尼·拉斯托吉(Khemchandani Rastogi),雷斯马(Reshma)
1 巴拉特·里查里亚
1 A.里西。
1 多洛雷斯罗梅罗·莫拉莱斯
1 J.Ben Rosen
1 康斯坦丁·A·罗斯科夫。
1 普亚·塞加尔
1 尼科尔·施拉多尔夫(Nicol N.Schraudolph)。
1 托马斯·塞拉菲尼
…还有38位作者

按年份列出的引文