10.19678/j.issn.1000-3428.0056286
基于动量加速零阶减小方差的鲁棒支持向量机
在实际分类问题中,由于人为或其他因素的影响,数据中往往存在一定的噪声,而传统支持向量机(SVM)使用的铰链损失函数对噪声数据敏感,且分类性能较差.为消除噪声数据的影响,提出一种新的鲁棒SVM算法.通过引入新形式的损失函数,并基于间隔分布的思想,建立鲁棒SVM优化模型提高SVM的抗噪性,运用零阶减小方差算法并结合动量加速技术,给出一种新的优化模型求解方法.实验结果表明,该方法通过引入梯度修正项降低了方差对算法的影响,同时结合动量加速技术,明显提高了算法的收敛速度.
噪声、零阶梯度、方差、动量加速、鲁棒支持向量机
46
TP181(自动化基础理论)
国家自然科学基金61672205
2021-02-04(万方平台首次上网日期,不代表论文的发表时间)
共9页
88-95,104