| 基于CCH的SVM几何算法及其应用 |
| |
| 引用本文： | 彭新俊,王翼飞.基于CCH的SVM几何算法及其应用[J].应用数学和力学,2009,30(1). |
| |
| 作者姓名： | 彭新俊 王翼飞 |
| |
| 作者单位： | 1. 上海师范大学,计算数学系,上海,200234;科学计算上海高校重点实验室,上海,200234
2. 上海大学数学系,上海,200444 |
| |
| 基金项目： | 国家自然科学基金，国家高技术研究发展计划(863计划)，上海市重点学科资助项目 |
| |
| 摘 要： | 支持向量机(support vector machine(SVM))是一种数据挖掘中新型机器学习方法.提出了基于压缩凸包(compressed convex hull(CCH))的SVM分类问题的几何算法.对比简约凸包(reducedconvex hull(RCH)),CCH保持了数据的几何体形状,并且易于得到确定其极点的充要条件.作为CCH的实际应用,讨论了该几何算法的稀疏化方法及概率加速算法.数值试验结果表明所讨论的算法可降低核计算并取得较好的性能.
|
| 关 键 词： | 支持向量机 压缩凸包 核参数 几何方法 概率加速 |
CCH-Based Geometric Algorithms for SVM and the Applications |
| |
| PENG Xin-jun,WANG Yi-fei.CCH-Based Geometric Algorithms for SVM and the Applications[J].Applied Mathematics and Mechanics,2009,30(1). |
| |
| Authors: | PENG Xin-jun WANG Yi-fei |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
