×
牛、凌峰;袁亚祥

一种用于训练基于核的多类向量机的并行分解算法。 （英语） Zbl 1226.90106号

最佳方案。方法软件。 第3期第26页，第431-454页（2011年）.
摘要：我们提出了一种用于训练Crammer和Singer基于核的多类向量机模型的分解方法。提出了一种新的工作集选择规则。建立了基于该选择规则的算法的全局收敛性。在每次迭代时，选择投影梯度法来求解产生的二次子问题。利用约束的结构设计了一种高效的投影算法。给出了并行策略以利用多处理器系统上可用的存储和计算资源。对基准问题的数值实验表明，该方法能够获得良好的分类精度和显著的时间节省。

MSC公司：

90立方厘米 非线性规划
90摄氏52度 降低梯度类型的方法

关键词：

基于核的向量机;分解法;投影梯度;并行算法

软件：

SVMTorch公司;GPDT公司;LOQO公司;UCI-毫升;针织衫;配置文件_QP;MINOS公司;OOQP（OOQP）
PDF格式BibTeX公司 XML格式引用
\textit{L.Niu}和\textit{Y.-X.Yuan}，Optim。方法软件。26，第3号，431--454（2011；Zbl 1226.90106）
全文： 内政部

参考文献：

[1] 内政部：10.1162/15324430152733133·Zbl 1013.68175号 ·doi:10.1162/15324430152733133
[2] A.Frank和A.Asuncion，UCI机器学习库[http://archive.ics.uci.edu/ml]2010年，加州大学欧文分校信息与计算机科学学院
[3] 内政部：10.1137/S1052623497330963·兹比尔1047.90077 ·doi:10.1137/S1052623497330963
[4] Boser，B.E.，Guyon，I.M.和Vapnik，V.N.最佳边缘分类器的训练算法。COLT’92：第五届计算学习理论年度研讨会论文集。第144-152页。纽约州纽约市：ACM出版社。
[5] Bottou，L.，Cortes，C.，Denker，J.S.，Drucker，H.，Guyon，I.，Jackel，L.D.，LeCun，Y.，Sackinger，E.，Simard，P.，Vapnik，V.N.和Muller，U.A.分类器方法的比较：手写数字识别中的一个案例研究。《第十二届模式识别和神经网络国际会议论文集》，加利福尼亚州洛斯阿拉米托斯，第2卷，第77-82页。
[6] DOI:10.1023/A:1008663629662·Zbl 1040.90574号 ·doi:10.1023/A:1008663629662
[7] 内政部：10.1007/0-387-30065-1_4·doi:10.1007/0-387-30065-14
[8] Chang C.-C.，Libsvm公司
[9] 柯林斯M.、J.马赫。学习。第9号决议第1775页–（2008年）
[10] 内政部：10.1162/15324430152733142·Zbl 1052.68111号 ·doi:10.1162/15324430152733142
[11] C.Cortes和V.Vapnik，支持向量网络，马赫。学习。，20（3）（1995），Kluwer Academic Publishers Hingham，MA，USA，第273-297页·Zbl 0831.68098号
[12] Crammer，K.和Singer，Y.2000。”使用连续松弛改进分类的输出编码”。编辑：Leen，Todd K.，Thomas，G.，Dietterich和Volker，Tresp。第12卷，437-443。马萨诸塞州剑桥：麻省理工学院出版社。神经信息处理系统研究进展
[13] Crammer，K.和Singer，Y.关于多类问题输出代码的可学习性和设计。COLT’00：第十三届计算学习理论年会论文集。第35-46页。美国加利福尼亚州旧金山：Morgan Kaufmann Publishers Inc·Zbl 1012.68155号
[14] 内政部：10.1162/15324430260185628·Zbl 1037.68110号 ·网址：10.1162/15324430260185628
[15] DOI:10.1023/A:1013637720281·Zbl 1012.68155号 ·doi:10.1023/A:1013637720281
[16] DOI:10.1007/s10107-005-0595-2·Zbl 1134.90030号 ·doi:10.1007/s10107-005-0595-2
[17] Dietterich T.G.，J.Artif。智力。第2号决议第263页–（1995年）
[18] 论坛，M.P.1994。”MPI:消息传递接口标准”。田纳西州诺克斯维尔技术报告
[19] Friedman，J.1996年。”多光子分类的另一种方法”。美国：斯坦福大学统计系。技术报告
[20] 内政部：10.1162/153244302320884605·Zbl 1033.68086号 ·网址：10.1162/153244302320884605
[21] 内政部：10.1145/641876.641880·Zbl 1068.90586号 ·doi:10.1145/641876.641880
[22] Guermeur，Y.2000。”将判别模型与新的多类SVM相结合”。LORIA校园科学。Neuro COLT2系列技术报告NC-TR-00-086·Zbl 1021.68080号
[23] 内政部：10.1109/TNN.2002.1000139·doi:10.1109/TNN.2002.1000139
[24] Joachims，T.1999年。”使大规模支持向量机学习实用化”。编辑：Schölkopf，B.，Burges，C.和Smola，A.169–184。美国马萨诸塞州剑桥：《内核方法的进展：支持向量机》，麻省理工学院出版社。
[25] Kindermann，J.、Leopold，E.和Paass，G.带纠错码的多类分类。Treffen der GI-Fachgruppe 1.1.3 Maschinelles Lernen的会议记录（FGML-2000）。德国圣奥古斯丁。编辑：Leopold，E.和Kirsten eds，M.GMD Report 114
[26] Keerthi，S.S.、Sundararajan，S.、Chang，K.W.、Hsieh，C.J.和Lin，C.J..大型多类线性支持向量机的序贯对偶方法。KDD’08：第14届ACM SIGKDD知识发现和数据挖掘国际会议开幕式。第408-416页。纽约州纽约市：ACM出版社。
[27] Knerr，S.、Personnaz，L.和Dreyfus，G.1990年。”重温单层学习：构建和训练神经网络的逐步过程”。编辑：Fogelman Soulié，F.和Hérault，J.41-50。斯普林格·弗拉格。神经计算：算法、架构和应用，北约ASI系列第F68卷
[28] Kreßl U.，《内核方法的进展——支持向量学习》第255页–（1999）
[29] Lee，Y.，Lin，Y.和Wahba，G.2001年。”多类别支持向量机”。威斯康星大学统计系。技术报告1043·Zbl 1089.62511号
[30] Lee，Y.，Lin，Y.和Wahba，G.多类别支持向量机。在第33届接口研讨会上发表。加利福尼亚州科斯塔梅萨市六月·Zbl 1089.62511号
[31] Lin，Y.1999。”支持向量机和分类中的贝叶斯规则”。威斯康星大学统计系。技术报告1014
[32] Mayoraz，E.和Alpaydin，E.1998年5月。”支持向量机进行多类分类”。瑞士瓦莱市马蒂尼五月：Dallel Molle感知人工智能研究所。IDIAP研究报告98-06
[33] J.Mercer，正负型函数及其与积分方程理论的联系，伦敦皇家学会哲学学报A辑，第209卷（1909年），第415-446页·doi:10.1098/rsta.1909.016
[34] Murtagh B.A.，米诺斯5.5。用户指南（1998）
[35] Osuna，E.、Freund，R.和Girosi，F.训练支持向量机：人脸检测的应用。IEEE计算机学会计算机视觉和模式识别会议论文集。第6卷，第130–136页。
[36] 内政部：10.1007/BF01585748·Zbl 0711.90061号 ·doi:10.1007/BF01585748
[37] J.Platt，《序贯最小优化：训练支持向量机的快速算法》，技术报告MSR-TR-98-14，Microsoft Research，1998年
[38] Platt J.C.，《神经信息处理系统进展》，第12页，第547页–（2000）
[39] 里夫金·R·J·马赫。学习。第5号决议，第101页–（2004年）
[40] DOI:10.1017/CBO9780511809682·doi:10.1017/CBO9780511809682
[41] 孙伟，《优化理论与方法：非线性规划》（2006）
[42] Teo，C.H.、Smola，A.、Vishwanathan，S.V.和Le，Q.V.。正则化风险最小化的可扩展模块凸解算器。KDD’07：第13届ACM SIGKDD知识发现和数据挖掘国际会议论文集。第727-736页。美国纽约州纽约市：ACM。
[43] Tsochantaridis I.，J.马赫。学习。第6号决议第1453页–（2005年）
[44] 内政部：10.1080/10556789908805759·Zbl 0973.90518号 ·doi:10.1080/10556789908805759
[45] Vapnik V.N.，《统计学习理论的本质》（1995年）·Zbl 0833.62008号 ·数字对象标识代码：10.1007/978-1-4757-2440-0
[46] Vapnik V.N.，统计学习理论（1998）·Zbl 0935.62007号
[47] Weston，J.和Watkins，C.1998年。”多类支持向量机”。伦敦大学皇家霍洛威分校计算机科学系。技术报告CSD-TR-98-04
[48] DOI:10.1016/S0167-8191（03）00021-8·doi:10.1016/S0167-8191（03）00021-8
[49] Zanni L.，J.Mach。学习。第7号决议第1467页–（2006年）
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。