支持向量机增广拉格朗日方法的探究
支持向量机是机器学习中一种非常重要的分类方法,它在文本分类、语音识别、图像分析、信息安全等诸多领域均有重要的应用.提出了基于支持向量机对偶问题的一种非精确增广拉格朗日算法,讨论了所提算法的收敛性结果,并利用支持向量机模型的稀疏特性,结合矩阵不完全Cholesky分解以及Sherman-Morrison-Woodbury公式等程序实现技巧,极大地减少了所提算法的时间与空间复杂度.数值结果验证了提出算法的可行性和高效性.
支持向量机、增广拉格朗日方法、凸二次规划、半光滑牛顿方法
42
O221.2(运筹学)
国家自然科学基金面上项目11871153
2019-04-29(万方平台首次上网日期,不代表论文的发表时间)
共11页
5-15