求解非半正定核Huber-支持向量回归机问题的序列最小最优化算法

被引：14

作者：

周晓剑 ^{[1
]}

马义中 ^{[1
]}

朱嘉钢 ^{[2
]}

刘利平 ^{[1
]}

汪建均 ^{[1
]}

机构：

[1] 南京理工大学管理科学与工程系

[2] 江南大学信息工程学院

来源：

控制理论与应用 | 2010年 / 27卷 / 09期

关键词：

支持向量机; 非半正定核; 序列最小最优化算法; Huber-支持向量回归机;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

140502 [人工智能];

摘要：

序列最小最优化(SMO)算法是求解大型支持向量机(SVM)问题的有效算法.已有的算法都要求核函数是正定的或半正定的,从而使其应用受到限制.针对这种缺点,本文提出一种新的的SMO算法,可求解非半正定核Huber-SVR问题.提出的算法在保证收敛的前提下可使非半正定Huber-SVR能够达到比较理想的回归精度,因而具有一定的理论意义和实用价值.

引用

页码：1178 / 1184

页数：7