×

最小二乘支持向量机公式的SMO算法。 (英语) Zbl 1047.68100号

摘要:本文将支持向量机(SVM)的著名SMO算法扩展到最小二乘支持向量机公式,其中包括LS-SVM分类、核岭回归和一种特殊形式的正则核Fisher判别式。该算法被证明是渐近收敛的。它也非常容易实施。计算实验表明,该算法速度快,并且可以根据示例数高效地进行缩放(二次缩放)。

MSC公司:

68T05型 人工智能中的学习和自适应系统

关键词:

支持向量机
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] 内政部:10.1162/089976601300014493·Zbl 1085.68629号 ·doi:10.1162/089976601300014493
[2] DOI:10.1023/A:1018628609742·兹伯利05467879 ·doi:10.1023/A:1018628609742
[3] 内政部:10.1162/089976602753633411·Zbl 1003.68146号 ·doi:10.1162/089976602753633411
此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配,并且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。