

版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、SVM是數(shù)據(jù)挖掘的一種新方法,許多SVM所處理的問(wèn)題都包含大規(guī)模樣本集和屬性集。傳統(tǒng)分解法處理大規(guī)模線性分類(lèi)問(wèn)題也是歸結(jié)為求解對(duì)偶問(wèn)題,這大大增加了時(shí)間和空間復(fù)雜度。SVM割平面算法直接求解原二次規(guī)劃,已有研究表明它在求解這類(lèi)問(wèn)題時(shí)較傳統(tǒng)分解方法要快很多。本文主要研究SVM的割平面算法:
本文首先介紹了現(xiàn)有割平面算法--Kelly割平面算法、SVM-Perf算法和BMRM算法及其在SVM領(lǐng)域所取得的研究成果,指出此類(lèi)割平面
2、算法雖然收斂速度比分解法快,但其收斂性不穩(wěn)定,且容易產(chǎn)生鋸齒型波動(dòng)。同時(shí)研究了基于原對(duì)偶方法的Excessive Gap算法來(lái)極小化非光滑凸二次函數(shù),指出該算法能保證迭代前后的解都滿(mǎn)足Excessive Gap條件,具有較好的穩(wěn)定性同時(shí)保持了較快的收斂速度。進(jìn)一步將Excessive Gap方法用于求解SVM問(wèn)題,提出了一種新的SVM-Excessive Gap割平面算法。該算法的迭代點(diǎn)列都是滿(mǎn)足Excessive Gap條件的原對(duì)偶解
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 一種基于解析中心割平面法的分類(lèi)算法.pdf
- [教育]運(yùn)籌學(xué)3.2割平面算法
- 基于SVM的智能天線算法研究.pdf
- 基于SVM的選股算法研究.pdf
- 基于SVM的分段貪婪算法研究.pdf
- 基于SVM的分類(lèi)挖掘算法及其應(yīng)用.pdf
- 基于SVM分類(lèi)算法的主題爬蟲(chóng)研究.pdf
- 基于GMM和SVM的音頻分類(lèi)算法.pdf
- 基于Gap統(tǒng)計(jì)的圖像分割理論與算法研究.pdf
- 基于SVM算法的前方車(chē)輛視頻檢測(cè).pdf
- 基于分組聚類(lèi)的SVM訓(xùn)練算法.pdf
- 基于隨機(jī)子空間的SVM分類(lèi)算法研究.pdf
- 基于LS-SVM的多標(biāo)簽分類(lèi)算法.pdf
- 基于SVM算法的web分類(lèi)研究與實(shí)現(xiàn).pdf
- 基于分布式計(jì)算的SVM算法優(yōu)化.pdf
- 基于集成的SVM車(chē)標(biāo)識(shí)別算法研究.pdf
- 基于SVM的驗(yàn)證碼識(shí)別算法研究.pdf
- 基于SVM的食物圖像分類(lèi)算法的研究.pdf
- 基于AUC的SVM多類(lèi)分類(lèi)算法的優(yōu)化.pdf
- 基于SVM算法的文本分類(lèi)器的實(shí)現(xiàn).pdf
評(píng)論
0/150
提交評(píng)論