光滑分段孪生支持向量机

吴青; 王彦彦; 薛飞

doi:10.13873/J.1000-9787(2016)09-0130-03

Chinese

您当前的位置：

首页 >

文章列表页 >

光滑分段孪生支持向量机

计算与测试 | 更新时间：2025-09-11

- 光滑分段孪生支持向量机
- Smooth piecewise twin support vector machine
- 传感器与微系统 2016年35卷第9期页码：130-132
- 作者机构：
  
  1. 西安邮电大学自动化学院
  2. 西安邮电大学通信与信息工程学院
- 作者简介：
- 基金信息：
  
  国家自然科学基金资助项目（61100165）;陕西省自然科学基金资助项目（2014JM8313）;陕西省教育厅科学研究计划资助项目（2013JK1023）
- DOI：10.13873/J.1000-9787(2016)09-0130-03
  中图分类号： TP181
- 纸质出版：2016
- 稿件说明：
移动端阅览
[1]吴青,王彦彦,薛飞.光滑分段孪生支持向量机[J].传感器与微系统,2016,35(09):130-132.

WU Qing, WANG Yan-yan, XUE Fei. Smooth piecewise twin support vector machine[J]. 2016, 35(9): 130-132.
[1]吴青,王彦彦,薛飞.光滑分段孪生支持向量机[J].传感器与微系统,2016,35(09):130-132. DOI： 10.13873/J.1000-9787(2016)09-0130-03.

WU Qing, WANG Yan-yan, XUE Fei. Smooth piecewise twin support vector machine[J]. 2016, 35(9): 130-132. DOI： 10.13873/J.1000-9787(2016)09-0130-03.

摘要

为了解决Sigmoid的积分函数对正号函数的逼近精度低的问题

引入一种具有更强逼近正号函数能力的光滑函数即分段函数

提出了光滑分段孪生支持向量机

并用快速Newton-Armijo算法对其求解。在NDC和UCI数据集上的实验结果表明:光滑分段孪生支持向量机能够有效地处理大规模和高维度数据

且分类精度和分类速度与光滑孪生支持向量机相比得到了改进。

Abstract

To solve the problem of low approximation precision of integral function of sigmoid function

a piecewise function is introduced

which has stronger ability of smooth function of smooth piecewise function to approximate plus function.Smooth piecewise twin support vector machine（SVM） is proposed.Meanwhile

the fast Newton-Armijo algorithm is used to solved the smooth piecewise twin SVM.Experimental results on NDC and UCI datasets show that smooth piecewise twin SVM can effectively deal with large-scale and high-dimensional data

and classification precision and classification speed of smooth piecewise twin SVM are improved than smooth twin SVM.

关键词

Keywords

references

一类新样条光滑支持向量机 [J]. 吴青,赵雄. 西安邮电大学学报 . 2013(06)

光滑支持向量机两种求解算法的比较 [J]. 李广明,刘群锋. 计算机应用 . 2009(06)

TWIN SUPPORT TENSOR MACHINES FOR MCS DETECTION [J]. Zhang Xinsheng Gao Xinbo Wang Ying(VIPS Lab, School of Electronic Engineering, Xidian University, Xi’an 710071, China)(School of Management, Xi’an University of Architecture & Technology, Xi’an 710055, China). Journal of Electronics（China） . 2009(03)

Piecewise-Smooth Support Vector Machine for Classification [J] . Qing Wu,Wenqing Wang,Jun Zhao. Mathematical Problems in Engineering . 2013

Application of smoothing technique on twin support vector machines [J] . M. Arun Kumar,M. Gopal. Pattern Recognition Letters . 2008 (13)

SSVM: A Smooth Support Vector Machine for Classification [J] . Yuh-Jye Lee,O.L. Mangasarian. Computational Optimization and Applications . 2001 (1)

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

暂无数据