基于有效迭代算法的鲁棒L1范数非平行近似支持向量机

发布时间：2018-10-07 20:29

【摘要】：针对鲁棒L1范数非平行近似支持向量机(L1-NPSVM)求解算法无法保证获取可靠解的问题,提出一个新颖的迭代算法来解L1-NPSVM的目标问题。首先,根据L1-NPSVM原目标问题对解具有规模不变性,将其转换为一个等价的带等式约束的最大化问题。该迭代算法在每次迭代中利用更新权机制获取每次迭代的更新解;每次迭代中,问题归结为解两个快速的线性方程问题。从理论上证明了算法的收敛性。在公共UCI数据集上,实验显示,所提算法不仅在分类性能上要远远好于L1-NPSVM,且具有相当的计算优势。
[Abstract]:To solve the problem that robust L1 norm nonparallel approximate support vector machine (L1-NPSVM) algorithm can not guarantee reliable solution, a novel iterative algorithm is proposed to solve the L1-NPSVM target problem. Firstly, according to the scale invariance of the solution of the L1-NPSVM original objective problem, it is transformed into an equivalent maximization problem with equality constraints. In each iteration, the iterative algorithm uses the update weight mechanism to obtain the updated solution of each iteration, and in each iteration, the problem is reduced to solving two fast linear equation problems. The convergence of the algorithm is proved theoretically. On the common UCI dataset, experiments show that the proposed algorithm is not only much better than L1-NPSVM in classification performance, but also has considerable computational advantages.
【作者单位】： 安徽科技学院信息与网络工程学院;
【分类号】：TP18

【相似文献】

相关期刊论文 前10条

1 杨富文;求一类H~∞控制最优值的非迭代算法[J];自动化学报;1994年04期

2 马国瑜,吴福祥;非线性互补问题的迭代算法[J];北京化工学院学报(自然科学版);1991年02期

3 邹斌,李落清;支持向量机回归与v-支持向量机分类解的关系[J];湖北大学学报(自然科学版);2004年01期

4 吴娟;范玉妹;王丽;;关于改进的支持向量机的研究[J];攀枝花学院学报;2006年05期

5 刘硕明;刘佳;杨海滨;;一种新的多类支持向量机算法[J];计算机应用;2008年S2期

6 尹传环;牟少敏;田盛丰;黄厚宽;;单类支持向量机的研究进展[J];计算机工程与应用;2012年12期

7 王云英;阎满富;;C-支持向量机及其改进[J];唐山师范学院学报;2012年05期

8 李逢焕;;试述不确定支持向量机应用分析及改进思路[J];中国证券期货;2012年12期

9 邵惠鹤;支持向量机理论及其应用[J];自动化博览;2003年S1期

10 曾嵘,蒋新华,刘建成;基于支持向量机的异常值检测的两种方法[J];信息技术;2004年05期

相关会议论文 前10条

1 余乐安;姚潇;;基于中心化支持向量机的信用风险评估模型[A];第六届（2011）中国管理学年会——商务智能分会场论文集[C];2011年

2 史晓涛;刘建丽;骆玉荣;;一种抗噪音的支持向量机学习方法[A];全国第19届计算机技术与应用（CACIS）学术会议论文集（下册）[C];2008年

3 何琴淑;刘信恩;肖世富;;基于支持向量机的系统辨识方法研究及应用[A];中国力学大会——2013论文摘要集[C];2013年

4 刘骏;;基于支持向量机方法的衢州降雪模型[A];第五届长三角气象科技论坛论文集[C];2008年

5 赵晶;高隽;张旭东;谢昭;;支持向量机综述[A];全国第十五届计算机科学与技术应用学术会议论文集[C];2003年

6 周星宇;王思元;;智能数学与支持向量机[A];2005年中国智能自动化会议论文集[C];2005年

7 颜根廷;马广富;朱良宽;宋斌;;一种鲁棒支持向量机算法[A];2006中国控制与决策学术年会论文集[C];2006年

8 张晓滨;尹英顺;赵培坤;马秀兰;;基于渐进直推支持向量机的半对半多类文本分类[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年

9 徐会敏;王玉兰;;线性规划支持向量机模型的研究[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用（CACIS）学术会议论文集[C];2007年

10 郭一楠;程健;肖大伟;杨梅;;分布式多分类支持向量机[A];2011年中国智能自动化学术会议论文集（第一分册）[C];2011年

相关博士学位论文 前10条

1 张晓雷;支持向量机若干问题的研究[D];清华大学;2012年

2 郭虎升;支持向量机的优化建模方法研究[D];山西大学;2014年

3 姚毓凯;支持向量机关键技术及其在人体活动识别中的应用研究[D];兰州大学;2015年

4 张华美;穿墙雷达基于支持向量机的成像算法研究[D];南京邮电大学;2015年

5 王喜宾;基于优化支持向量机的个性化推荐研究[D];重庆大学;2015年

6 夏书银;基于分类噪声检测的支持向量机算法研究[D];重庆大学;2015年

7 闫辛;半监督支持向量机模型与算法研究[D];上海大学;2016年

8 陈素根;非平行平面支持向量机及特征提取中若干问题研究[D];江南大学;2016年

9 刘大莲;大规模稀疏支持向量机算法研究[D];北京交通大学;2017年

10 鞠哲;基于支持向量机的赖氨酸翻译后修饰位点预测方法研究[D];大连理工大学;2016年

相关硕士学位论文 前10条

1 尤树华;贝叶斯强化学习中策略迭代算法研究[D];苏州大学;2016年

2 郭丹;Markov跳跃It?随机系统中的耦合Lyapunov方程的快速迭代算法[D];哈尔滨工业大学;2016年

3 佟乐;添加Universum数据双支持向量机[D];河北大学;2015年

4 胡金扣;鲁棒支持向量机研究[D];河北大学;2015年

5 邱志勇;一类支持张量机及其算法研究[D];华南理工大学;2015年

6 李萌;基于支持向量机的高分遥感影像分类技术研究与应用[D];中国地质大学(北京);2015年

7 李胜刚;基于支持向量机的短期风电功率预测[D];湖南工业大学;2015年

8 孙亭亭;基于支持向量机的燃煤机组燃烧优化算法的研究[D];山东大学;2015年

9 王芳;基于支持向量机的沪深300指数回归预测[D];山东大学;2015年

10 武放;基于支持向量机的复杂工业系统典型非正常工况分类问题研究[D];哈尔滨工业大学;2015年

，

本文编号：2255569