%0 Journal Article
%T 共轭梯度型支撑向量机*
%A 周水生
%A 周利华
%J 模式识别与人工智能
%P 129-136
%D 2006
%X 求解支撑向量机的二次规划有不同的变形.对于线性问题,从一个变形出发,利用Lagrangian对偶技巧,将特征空间的高维二次规划问题转化为输入空间的低维无约束、可微凸的对偶规划.针对目标函数的分片二次特征,结合快速精确的一维搜索技术,提出共轭梯度型支撑向量机来求解该问题.利用Cholesky分解或非完全(incomplete)Cholesky分解方法分解核矩阵,在算法复杂度增加很少的条件下可实现基于核函数的非线性分类.该算法可以在普通计算机上快速求解上百万规模的线性训练问题和较大规模的非线性训练问题.大量数据实验和复杂度分析表明,该算法与同类算法如ASVM、LSVM相比是有效的.
%K 支撑向量机
%K 共轭梯度法
%K Lagrangian对偶
%K 核函数
%U http://manu12.magtech.com.cn/Jweb_prai/CN/abstract/abstract10612.shtml