离散神经网络求解支持向量机中的凸优化问题

摘要:针对正定核函数的支持向量机所导出的凸二次优化问题, 提出了一个离散型神经网络模型。利用Karush？？Kuhn？？Tucker (KKT)条件和投影理论构造投影方程, 使得投影方程的解与优化问题的解一一对应; 进一步基于投影方程建立离散神经网络; 理论结果表明, 网络的平衡点与优化问题的最优解相对应, 且网络具有全局指数收敛性。 相比于连续网络, 所提出的网络结构简单, 减少了计算的复杂度; 所得理论结果保证了网络能够有效求解支持向量机中的优化问题。 最后, 利用分类问题和标准数据集进行实验, 数值结果验证了本文所设计的网络在求解支持向量机优化问题的有效性