%0 Journal Article
%T 大规模SVDD的坐标下降算法
%A 陶卿
%A 罗强
%A 朱烨雷
%A 储德军
%J 模式识别与人工智能
%P 950-957
%D 2012
%X 支持向量数据描述(SVDD)是一种无监督学习算法，在图像识别和信息安全等领域有重要应用。坐标下降方法是求解大规模分类问题的有效方法，具有简洁的操作流程和快速的收敛速率。文中针对大规模SVDD提出一种高效的对偶坐标下降算法，算法每步迭代的子问题都可获得解析解，并可使用加速策略和简便运算减少计算量。同时给出3种子问题的选择方法，并分析对比各自优劣。实验对仿真和真实大规模数据库进行算法验证。与LibSVDD相比，文中方法更具优势，1。4s求解105样本规模的ijcnn文本库。
%K 支持向量数据描述(SVDD)
%K 收敛速率
%K 坐标下降
%K 解析解
%U http://manu12.magtech.com.cn/Jweb_prai/CN/abstract/abstract9510.shtml