多类分类的支持向量机的有限步终止Newton算法

多类分类问题是数据挖掘和机器学习领域中一个重要且正在进行研究的课题.最近对该问题提出了-种具有新型结构的K-SVCR方法.与其他方法相比较,此方法最大的优点在于在训练的过程中,能够利用训练数据的所有信息.然而,它又和"一对一"方法一样,对某-个K类分类问题,需要求解K(K-1)/2个二次规划问题,才能把一个模式指派到-个适当的类别中.因此建立一个快速有效的训练算法是非常重要的.在本文中,我们首先在K-SVCR方法的基础上提出了新的模型,然后把新模型转化成-个互补问题,并利用Lagrangian隐函数进-步转化成-个强凸的无约束优化问题.并且为它建立了一个快速地Newton箅法.该算法具有全局收敛和有限步终止的性质.同时通过Sherman-Morrison-Woodbury等式,将算法中需要处理的＄l\timesl＄矩阵(其中是模式的总量)转变成＄(n+1)\times(n+1)＄的矩阵(其中n是模式的维数).对于很多多类分类问题,n远远小于1,这也说明可以有效地实现该算法.初步的实验结果表明该算法在分类的准确度和训练速度方面都有很好的表现.     

基于支持向量机的多类分类问题的一种新算法

在K-SVCR算法结构的基础上构造了新的模型.模型的特点是它的一阶最优化条件可以转化为一个线性互补问题,通过Lagrangian隐含数,可以将其进一步转化成一个强凸的无约束优化问题.利用共轭梯度技术对其进行求解,在有限步内得到分类超平面.最后在标准数据集进行了初步试验.试验结果显示了提出的算法在分类的精度和速度上都有明显提高.     

基于变分不等式的支持向量机优化算法研究

由于标准支持向量机模型是一个二次规划问题,随着数据规模的增大,求解算法过程会越来越复杂.在K-SVCR算法结构的基础上,构造了严格凸的二次规划新模型,该模型的主要特点是可以将其一阶最优化条件转化为变分不等式问题,利用Fischer-Burmeister(FB)函数将互补问题转化为光滑方程组;建立光滑快速牛顿算法求解,并证明了该算法所产生的序列是全局收敛;利用标准数据集测试提出算法的有效性,在训练正确率和运行时间上与K-SVCR算法相比都有较好的表现,实验结果表明该算法可行且有效.     

分步加压法测量薄壁空心玻璃微球的耐压能力

 根据空心玻璃微球（HGM）耐内、外压能力与玻璃强度及形状因子的关系,用压力负荷分步增加的方法分别实验测量了直径为350μm～550μm、壁厚＜1.1μm的3种配方HGM的耐内、外压能力及HGM玻璃的杨氏模量和拉伸强度,并由强度测定值给出了不同直径与壁厚HGM的耐内、外压能力的计算式,分析了测量误差,提出了改进方案。