×
范一伟；赵俊龙

基于角度的多类别支持向量机的安全样本筛选规则。 （英语） Zbl 07533784号

计算。统计数据分析。 173，文章ID 107508，15 p.（2022）.
摘要：支持向量机是解决分类问题的常用技术，其中最优的分离超平面仅依赖于训练数据的子集。为了降低计算成本，文献中提出了安全的样本筛选规则，使我们能够在训练阶段之前删除多余的样本。然而，现有的关于安全样本筛选规则的工作主要集中在二进制分类。基于多类别角度的支持向量机（MASVM）是解决多类别分类问题的一种有效方法，它构造了一个无和零约束的决策函数。为了进一步降低线性MASVM的计算成本，提出了两种安全的样本筛选方法：间隙安全规则（MAGSR）和变分不等式对偶筛选（MADVI）。然后开发了一个结合MAGSR和MADVI的两阶段筛选框架。大量仿真和实际应用表明，与现有方法相比，该方法在计算上具有很大的优势。

MSC公司：

62至XX 统计

关键词：

基于角度的支持向量机；二元缺口；样品筛选；变分不等式

软件：

LIBLINEAR银行；伦敦银行支持向量机
PDF格式BibTeX公司 XML格式引用
\textit{Y.Fan}和\textit{J.Zhao}，计算。统计数据分析。173，文章ID 107508，15 p.（2022；Zbl 07533784）
全文： 内政部

参考文献：

[1] Bonnefoy，A。；埃米亚，V。；Ralaivola，L。；Gribonval，R.，《拉索的动态筛选原理》（第22届欧洲信号处理会议（2014）），6-10
[2] Boser，B.E。；盖恩，I.M。；Vapnik，V.N.，最佳边缘分类器的训练算法，（第五届计算学习理论年度研讨会论文集（1992）），144-152
[3] Chang，C.-C。；Lin，C.-J.，LIBSVM：支持向量机库，ACM Trans。智力。系统。技术。，2, 3, 1-27 (2011)
[4] 科尔特斯，C。；Vapnik，V.，支持向量网络，马赫。学习。，20, 3, 273-297 (1995) ·Zbl 0831.68098号
[5] 克拉默，K。；Singer，Y.，关于基于核的多类向量机的算法实现，J.Mach。学习。决议，第2号，12月，265-292（2001）·Zbl 1037.68110号
[6] 风机，R.-E。；Chang，K.-W。；谢长杰。；王，X.-R。；Lin，C.-J.，LIBLINEAR:大型线性分类库，J.Mach。学习。1871-1874年第9号决议（2008年）·Zbl 1225.68175号
[7] 范，Y。；卢，X。；刘，Y。；赵，J.，《使用精确标签嵌入的基于角度的层次分类》，J.Am.Stat.Assoc.（2020）
[8] Goudjil，M。；库迪尔，M。；贝达，M。；Ghoggali，N.，一种使用SVM进行文本分类的新型主动学习方法，国际J.Autom。计算。，15, 3, 290-298 (2018)
[9] Güler，O.，《优化基础》（2010），施普林格科学与商业媒体·Zbl 1220.90001号
[10] 盖恩，I。；Boser，B。；Vapnik，V.，《超大VC-维分类器的自动容量调节》，（神经信息处理系统进展（1993）），147-155
[11] Joachims，T.，《支持向量机文本分类：具有许多相关特征的学习》，（欧洲机器学习会议（1998）），137-142
[12] 兰格，K。；Tong Wu，T.，多类别顶点判别分析的MM算法，J.Compute。图表。Stat.，17，3，527-544（2008）
[13] Lee，Y。；Lin，Y。；Wahba，G.，《多类别支持向量机：微阵列数据和卫星辐射数据分类的理论和应用》，J.Am.Stat.Assoc.，9946567-81（2004）·Zbl 1089.62511号
[14] Lin，Y。；吕，F。；朱，S。；Yang，M。；库尔·T。；Yu，K。；曹，L。；Huang，T.，大尺度图像分类：快速特征提取和SVM训练，（IEEE计算机视觉和模式识别会议论文集（2011）），1689-1696
[15] 刘杰。；赵，Z。；Wang，J。；Ye，J.，变分不等式的安全筛选及其在套索中的应用，（国际机器学习会议（2014）），289-297
[16] 刘，Y。；温，K。；高奇。；高，X。；Nie，F.，基于SVM的图像注释缺失标签的多标签学习，模式识别。，78, 307-317 (2018)
[17] 刘，Y。；Yuan，M.，增强型多类别支持向量机，J.Compute。图表。统计，20，4，901-919（2011）
[18] 恩迪亚耶，E。；费尔科克，O。；Gramfort，A。；Salmon，J.，《稀疏执法处罚的间隙安全筛选规则》，J.Mach。学习。研究，18，1，4671-4703（2017）·Zbl 1442.62161号
[19] 小川，K。；铃木，Y。；Takeuchi，I.，路径支持向量机计算中非支持向量的安全筛选，（国际机器学习会议（2013）），1382-1390
[20] 潘，X。；Xu，Y.，一种新的安全的支持向量机两阶段筛选方法，IEEE Trans。神经网络。学习。系统。，30, 8, 2263-2274 (2018)
[21] 潘，X。；杨，Z。；Xu，Y。；Wang，L.，加速双支持向量机分类的安全筛选规则，IEEE Trans。神经网络。学习。系统。，29, 5, 1876-1887 (2017)
[22] 彭，X。；陈，D。；Kong，L.，求解支持向量机的裁剪双坐标下降算法，Knowl-基于系统。，71, 266-278 (2014)
[23] Platt，J.，《序列最小优化：训练支持向量机的快速算法》（1998），技术报告MSR-TR-98-14
[24] Wang，J。；Wonka，P。；Ye，J.，通过精确数据缩减缩放SVM和最小绝对偏差，（机器学习国际会议（2014）），523-531
[25] Wang，L。；Shen，X.，On（L_1）-范数多类支持向量机：方法论与理论，美国统计协会，102，478，583-594（2007）·Zbl 1172.62317号
[26] 王，Z。；克拉默，K。；Vucetic，S.，《打破核化的诅咒：大规模SVM训练的预算随机梯度下降》，J.Mach。学习。研究，13，1，3103-3131（2012）·Zbl 1433.68383号
[27] Wu，T.T。；Lange，K.，《高维数据的多类别顶点判别分析》，Ann.Appl。Stat.，4，4，1698-1721（2010年）·Zbl 1220.62086号
[28] 杨，Z。；Xu，Y.，拉普拉斯双参数边缘支持向量机的安全样本筛选规则，模式识别。，84, 1-12 (2018)
[29] 杨，Z。；Xu，Y.，拉普拉斯支持向量机的安全筛选规则，工程应用。Artif公司。智力。，67, 309-316 (2018)
[30] 张，C。；Liu，Y.，基于多类别角度的大边缘分类，Biometrika，101，3，625-640（2014）·Zbl 1335.62110号
[31] 赵，J。；Xu，Y.，Universum支持向量机的安全样本筛选规则，Knowl-基于系统。，138, 46-57 (2017)
[32] Zhao，Y。；曾博士。；拉什，A.J。；Kosorok，M.R.，《使用结果加权学习评估个体化治疗规则》，美国统计协会，107，499，1106-1118（2012）·Zbl 1443.62396号
[33] 郑洁。；沈，F。；风扇，H。；赵，J.，用于大规模数据的在线增量学习支持向量机，神经计算。申请。，22, 5, 1023-1035 (2013)
[34] 朱丽萍。；李，L。；李，R。；Zhu，L.-X.，超高维数据的无模型特征筛选，美国统计协会，106，496，1464-1475（2011）·兹比尔1233.62195
[35] Zimmert，J。；德维特，C.S。；Kerg，G。；Kloft，M.，支持向量机的安全筛选，（NIPS 2015机器学习优化研讨会（OPT）（2015））
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。