發(fā)布時間：2018-05-17 05:01

  本文選題：變分不等式 + 支持向量機�。� 參考：《高校應(yīng)用數(shù)學(xué)學(xué)報A輯》2017年04期

【摘要】：由于標準支持向量機模型是一個二次規(guī)劃問題,隨著數(shù)據(jù)規(guī)模的增大,求解算法過程會越來越復(fù)雜.在K-SVCR算法結(jié)構(gòu)的基礎(chǔ)上,構(gòu)造了嚴格凸的二次規(guī)劃新模型,該模型的主要特點是可以將其一階最優(yōu)化條件轉(zhuǎn)化為變分不等式問題,利用Fischer-Burmeister(FB)函數(shù)將互補問題轉(zhuǎn)化為光滑方程組;建立光滑快速牛頓算法求解,并證明了該算法所產(chǎn)生的序列是全局收斂;利用標準數(shù)據(jù)集測試提出算法的有效性,在訓(xùn)練正確率和運行時間上與K-SVCR算法相比都有較好的表現(xiàn),實驗結(jié)果表明該算法可行且有效.
[Abstract]:Because the standard support vector machine model is a quadratic programming problem, the algorithm will become more and more complex with the increase of the data scale. Based on the structure of K-SVCR algorithm, a new model of strictly convex quadratic programming is constructed. The main feature of this model is that the first order optimization conditions can be transformed into variational inequality problems, and the complementarity problem can be transformed into smooth equations by Fischer-Burmeister FB function. The smooth and fast Newton algorithm is established to solve the problem, and it is proved that the sequence generated by the algorithm is globally convergent, the validity of the algorithm is tested by using standard data set, and the training accuracy and running time of the algorithm are better than that of K-SVCR algorithm. Experimental results show that the algorithm is feasible and effective.
【作者單位】： 黑龍江八一農(nóng)墾大學(xué)信息與計算科學(xué)系;黑龍江八一農(nóng)墾大學(xué)經(jīng)濟管理學(xué)院;
【基金】：大慶市指導(dǎo)性科技計劃(zd-2016-078) 大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計劃(201610223003) 黑龍江八一農(nóng)墾大學(xué)博士科研啟動項目(XDB2015-23)
【分類號】：TP18

【相似文獻】

相關(guān)期刊論文 前10條

1 鄒斌,李落清;支持向量機回歸與v-支持向量機分類解的關(guān)系[J];湖北大學(xué)學(xué)報(自然科學(xué)版);2004年01期

2 吳娟;范玉妹;王麗;;關(guān)于改進的支持向量機的研究[J];攀枝花學(xué)院學(xué)報;2006年05期

3 劉碩明;劉佳;楊海濱;;一種新的多類支持向量機算法[J];計算機應(yīng)用;2008年S2期

4 尹傳環(huán);牟少敏;田盛豐;黃厚寬;;單類支持向量機的研究進展[J];計算機工程與應(yīng)用;2012年12期

5 王云英;閻滿富;;C-支持向量機及其改進[J];唐山師范學(xué)院學(xué)報;2012年05期

6 李逢煥;;試述不確定支持向量機應(yīng)用分析及改進思路[J];中國證券期貨;2012年12期

7 邵惠鶴;支持向量機理論及其應(yīng)用[J];自動化博覽;2003年S1期

8 曾嶸,蔣新華,劉建成;基于支持向量機的異常值檢測的兩種方法[J];信息技術(shù);2004年05期

9 魏玲,張文修;基于支持向量機集成的分類[J];計算機工程;2004年13期

10 沈翠華,鄧乃揚,肖瑞彥;基于支持向量機的個人信用評估[J];計算機工程與應(yīng)用;2004年23期

相關(guān)會議論文 前10條

1 余樂安;姚瀟;;基于中心化支持向量機的信用風(fēng)險評估模型[A];第六屆（2011）中國管理學(xué)年會——商務(wù)智能分會場論文集[C];2011年

2 史曉濤;劉建麗;駱玉榮;;一種抗噪音的支持向量機學(xué)習(xí)方法[A];全國第19屆計算機技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會議論文集（下冊）[C];2008年

3 何琴淑;劉信恩;肖世富;;基于支持向量機的系統(tǒng)辨識方法研究及應(yīng)用[A];中國力學(xué)大會——2013論文摘要集[C];2013年

4 劉駿;;基于支持向量機方法的衢州降雪模型[A];第五屆長三角氣象科技論壇論文集[C];2008年

5 趙晶;高雋;張旭東;謝昭;;支持向量機綜述[A];全國第十五屆計算機科學(xué)與技術(shù)應(yīng)用學(xué)術(shù)會議論文集[C];2003年

6 周星宇;王思元;;智能數(shù)學(xué)與支持向量機[A];2005年中國智能自動化會議論文集[C];2005年

7 顏根廷;馬廣富;朱良寬;宋斌;;一種魯棒支持向量機算法[A];2006中國控制與決策學(xué)術(shù)年會論文集[C];2006年

8 張曉濱;尹英順;趙培坤;馬秀蘭;;基于漸進直推支持向量機的半對半多類文本分類[A];第三屆全國信息檢索與內(nèi)容安全學(xué)術(shù)會議論文集[C];2007年

9 徐會敏;王玉蘭;;線性規(guī)劃支持向量機模型的研究[A];計算機技術(shù)與應(yīng)用進展·2007——全國第18屆計算機技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會議論文集[C];2007年

10 郭一楠;程健;肖大偉;楊梅;;分布式多分類支持向量機[A];2011年中國智能自動化學(xué)術(shù)會議論文集（第一分冊）[C];2011年

相關(guān)博士學(xué)位論文 前10條

1 張曉雷;支持向量機若干問題的研究[D];清華大學(xué);2012年

2 郭虎升;支持向量機的優(yōu)化建模方法研究[D];山西大學(xué);2014年

3 姚毓凱;支持向量機關(guān)鍵技術(shù)及其在人體活動識別中的應(yīng)用研究[D];蘭州大學(xué);2015年

4 張華美;穿墻雷達基于支持向量機的成像算法研究[D];南京郵電大學(xué);2015年

5 王喜賓;基于優(yōu)化支持向量機的個性化推薦研究[D];重慶大學(xué);2015年

6 夏書銀;基于分類噪聲檢測的支持向量機算法研究[D];重慶大學(xué);2015年

7 閆辛;半監(jiān)督支持向量機模型與算法研究[D];上海大學(xué);2016年

8 陳素根;非平行平面支持向量機及特征提取中若干問題研究[D];江南大學(xué);2016年

9 劉大蓮;大規(guī)模稀疏支持向量機算法研究[D];北京交通大學(xué);2017年

10 鞠哲;基于支持向量機的賴氨酸翻譯后修飾位點預(yù)測方法研究[D];大連理工大學(xué);2016年

相關(guān)碩士學(xué)位論文 前10條

1 彭揚;基于變分不等式的支持向量機算法研究[D];南京大學(xué);2016年

2 佟樂;添加Universum數(shù)據(jù)雙支持向量機[D];河北大學(xué);2015年

3 胡金扣;魯棒支持向量機研究[D];河北大學(xué);2015年

4 邱志勇;一類支持張量機及其算法研究[D];華南理工大學(xué);2015年

5 李萌;基于支持向量機的高分遙感影像分類技術(shù)研究與應(yīng)用[D];中國地質(zhì)大學(xué)(北京);2015年

6 李勝剛;基于支持向量機的短期風(fēng)電功率預(yù)測[D];湖南工業(yè)大學(xué);2015年

7 孫亭亭;基于支持向量機的燃煤機組燃燒優(yōu)化算法的研究[D];山東大學(xué);2015年

8 王芳;基于支持向量機的滬深300指數(shù)回歸預(yù)測[D];山東大學(xué);2015年

9 武放;基于支持向量機的復(fù)雜工業(yè)系統(tǒng)典型非正常工況分類問題研究[D];哈爾濱工業(yè)大學(xué);2015年

10 王恩;監(jiān)督和半監(jiān)督支持向量機研究[D];西安郵電大學(xué);2015年

，

本文編號：1900002