×

基于非线性尺度方法的支持向量机。 (英语) Zbl 1220.90079号

摘要:本文基于非线性尺度(NR)方法构建了线性支持向量机(SVM)(参见[R.波利亚克,数学。程序。,序列号。A 54,第2期,177-222(1992年;Zbl 0756.90085号);数学。程序。92,第2(A)号,197–235(2002年;兹比尔1022.90014)]和[R.波利亚克M.Teboulle先生,数学。程序。76,第2(A)号,265-284(1997年;Zbl 0882.90106号)]以及其中的参考)。与线性软边缘SVM公式相比,基于NR方法的线性SVM公式可以在不影响分类性能的情况下减少支持向量的数量。NR算法在每一步计算原始近似和对偶近似。与给定数据集相关联的对偶变量提供了关于每个数据点的重要信息,并在选择支持向量集方面发挥着关键作用。对十个基准分类问题的实验结果表明,NR公式是可行的。在大多数情况下,识别的质量与线性软边缘SVM相当,而在一些情况下,支持向量的数量大大减少。

MSC公司:

90C20个 二次规划
90立方厘米 数学规划中的最优性条件和对偶性
90C25型 凸面编程
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Blake,C.L.,Merz,C.J.:机器学习数据库的UCI知识库。网址:http://www.ics。uci.edu/\(\sim\)mlearn/MLRepository.html。加州大学欧文分校信息与计算机科学系(1998年)
[2] Boser,B.E.,Guyon,I.,Vapnik,V.:最佳边缘分类器的训练算法。摘自:COLT,第144-152页。ACM,匹兹堡(1992)
[3] Burges,C.J.C.:简化的支持向量决策规则。收录于:ICML,旧金山,第71–77页(1996)
[4] Chang,C.-C.,Lin,C.-J.:Libsvm:支持向量机库(2001)
[5] Cortes C.、Vapnik V.(1995)《支持向量网络》。马赫。学习。20, 273–297 ·Zbl 0831.68098号
[6] Guyon,I.、Matic,N.、Vapnik,V.:发现信息模式和数据清理。摘自:《知识发现和数据挖掘进展》,第181-203页(1996年)
[7] Jensen D.,Polyak R.(1994)凸规划修正障碍法的收敛性。IBM研究开发期刊38:307–321·Zbl 0820.90083号 ·数字对象标识代码:10.1147/rd.383.0307
[8] Melman A.,Polyak R.(1996)QP问题的牛顿修正势垒法。安·Oper。第62465-519号决议·Zbl 0848.90099号 ·doi:10.1007/BF02206827
[9] Nesterov,Y.,Nemirovskii,A.:凸规划中的内点多项式算法。费城工业和应用数学学会(1994年)·Zbl 0824.90112号
[10] Nguyen,D.,Ho,T.B.:简化支持向量机的有效方法。载:《第22届国际机器学习大会论文集》,第617–624页(2005年)
[11] Polyak R.(1992)修正势垒函数(理论和方法)。数学。程序。54, 177–222 ·Zbl 0756.90085号 ·doi:10.1007/BF01586050
[12] Polyak R.(2002)凸优化中的非线性缩放与平滑技术。数学。程序。序列号。A 92、197–235·兹比尔1022.90014 ·doi:10.1007/s101070100293
[13] Polyak R.,Griva I.(2004)凸优化的原对偶非线性重缩放方法。J.优化。理论应用。122(1):111–156 ·Zbl 1129.90339号 ·doi:10.1023/B:JOTA.000041733.24606.99
[14] Polyak R.,Teboulle M.(1997)凸优化中的非线性重缩放和近似方法。数学。程序。76, 265–284 ·Zbl 0882.90106号
[15] Rätsch G.、Onoda T.、Müller K.-R.(2001)adaboost的软利润。马赫。学习。42, 287–320 ·Zbl 0969.68128号 ·doi:10.1023/A:1007618119488
[16] Vapnik V.N.(2000)《统计学习理论的本质》,第二版。施普林格,柏林-海德堡-纽约·Zbl 0934.62009号
[17] Wu M.,Scholkopf B.,Bakir G.(2006)构建稀疏核学习算法的直接方法。J.马赫。学习。第7号决议,603–624
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。