三种训练光滑支持向量分类器方法的比较

摘要：

光滑支持向量分类机(SSVC)是支持向量分类机(SVC)的快速求解模型,本质上是求解数学规划中具有光滑性和强凸性的无约束最优化问题.BFGS-Armijo和Newton-Armijo算法被用来训练SSVC,相比而言后者拥有更快的训练速度;牛顿-预优共轭梯度法(Newton-PCG)适用于求解无约束的最优化问题,理论上快于一般的Newton类算法.使用Newton-Armijo、BFGS-Armijo和Newton-PCG三种算法来训练光滑支持向量分类机,根据数值实验结果进行分析比较,证明了Newton-PCG算法有更优的效果.

关键词：模式识别、光滑支持向量机、分类、Newton-PCG算法

所属期刊栏目：47

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金the National Natural Science Foundation of China under Grant 60573029,60773050;广东省自然科学基金the Natural Science Foundation of Guangdong Province of China under Grant 9151170003000017

在线出版日期：2011-06-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：190-195