Mangasarian，Olvi L。 基于无约束凸可微极小化的精确1-范数支持向量机。 （英语） Zbl 1211.68329号 J.马赫。学习。物件。 1517-1530年7月（2006年）. 摘要：使用1-范数的支持向量机，通常设置为线性程序（Mangasarian，2000；Bradley和Mangasaria，1998），在这里表示为对偶空间中凸可微分段二次目标函数的完全无约束最小化。该目标函数具有Lipschitz连续梯度且只包含一个附加的有限参数，可以用广义牛顿法最小化，从而得到支持向量机问题的精确解。这里的方法基于一个非常一般的线性规划作为无约束极小化问题的公式及其在支持向量机分类问题中的应用。本方法推广了（Mangasarian，2004）和（Fung和Mangasaran，2004），也适用于非线性近似，其中使用最小数量的非线性核函数从给定数量的函数值近似函数。 引用于1审查引用于22文件 MSC公司： 68T05型 人工智能中的学习和自适应系统 90C25型 凸面编程 软件：CPLEX公司 PDF格式BibTeX公司 XML格式引用 \textit{O.L.Mangasarian}，J.Mach。学习。1517--1530号决议（2006年；Zbl 1211.68329） 全文： 链接