在原始空间用Rosenbrock算法训练线性支持向量机
来源期刊:控制与决策2009年第12期
论文作者:刘叶青 刘三阳 谷明涛
文章页码:1895 - 1898
关键词:支持向量机;模式识别;分类;Rosenbrock算法;并行下降;
摘 要:为了加快并行下降方法(CD)用于线性支持向量机(SVM)时的最终收敛速度,将Rosenbrock算法(R)用于线性SVM.在内循环,R通过解一个单变量子问题来更新w的一个分量,并同时固定其他分量不变;在外循环,采用Gram-schmidt过程构建新的搜索方向.实验结果表明,与CD相比,R加快了最终的收敛,在分类中能更快地获得更高的测试精度.
刘叶青1,2,刘三阳1,谷明涛3
1. 西安电子科技大学数学科学系2. 河南科技大学理学院3. 解放军96251部队
摘 要:为了加快并行下降方法(CD)用于线性支持向量机(SVM)时的最终收敛速度,将Rosenbrock算法(R)用于线性SVM.在内循环,R通过解一个单变量子问题来更新w的一个分量,并同时固定其他分量不变;在外循环,采用Gram-schmidt过程构建新的搜索方向.实验结果表明,与CD相比,R加快了最终的收敛,在分类中能更快地获得更高的测试精度.
关键词:支持向量机;模式识别;分类;Rosenbrock算法;并行下降;