改进孪生支持向量机的一种快速分类算法

被引：1

作者：

高斌斌 ^{[1
]}

刘霞 ^{[2
]}

李秋林 ^{[1
]}

机构：

[1] 西南大学数学与统计学院

[2] 不详

来源：

关键词：

支持向量机; 孪生支持向量机; 坐标下降算法; 分类算法; 结构风险最小化原则;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

摘要：

为了提高孪生支持向量机(TSVM)的泛化性能,基于结构风险最小化的原则重构TSVM的原始优化问题,提出改进的TSVM(ITSVM)分类模型。为了加快ITSVM的训练进程,将坐标下降算法和收缩技术相结合求解该模型。仿真实验和真实数据实验表明,该方法不仅具有良好的分类性能,而且具有很快的学习速度。

引用

页码：98 / 103+108 +108

页数：7

共 14 条

[11]

TPMSVM: A novel twin parametric-margin support vector machine for pattern recognition[J] . Xinjun Peng.Pattern Recognition . 2011 (10)

Kumar, M. Arun ;

Gopal, M. .

[13] SUPPORT-VECTOR NETWORKS [J].

CORTES, C ;

VAPNIK, V .

[14]

Improvements on Twin Support Vector Machines .2 Shao Y H,Zhang C H,Wang X B,et al. IEEE Transactions on NeuralNetworks . 2011