• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Neural Networks and Learning Systems, IEEE Transactions on >A Robust Regularization Path Algorithm for nu -Support Vector Classification
【24h】

A Robust Regularization Path Algorithm for nu -Support Vector Classification

机译：支持向量分类的鲁棒正则化路径算法

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

The v-support vector classification has the advantage of using a regularization parameter v to control the number of support vectors and margin errors. Recently, a regularization path algorithm for v-support vector classification (v-SvcPath) suffers exceptions and singularities in some special cases. In this brief, we first present a new equivalent dual formulation for v-SVC and, then, propose a robust v-SvcPath, based on lower upper decomposition with partial pivoting. Theoretical analysis and experimental results verify that our proposed robust regularization path algorithm can avoid the exceptions completely, handle the singularities in the key matrix, and fit the entire solution path in a finite number of steps. Experimental results also show that our proposed algorithm fits the entire solution path with fewer steps and less running time than original one does.
机译：v支持向量分类的优点是使用正则化参数v控制支持向量的数量和边距误差。最近，用于v支持向量分类的正则化路径算法（v-SvcPath）在某些特殊情况下会遇到异常和奇异之处。在本简介中，我们首先提出一种针对v-SVC的新的等效对偶公式，然后基于具有部分枢轴的较低上分解，提出一个健壮的v-SvcPath。理论分析和实验结果证明，我们提出的鲁棒正则化路径算法可以完全避免异常，处理密钥矩阵中的奇异点，并以有限的步骤拟合整个求解路径。实验结果还表明，与原始算法相比，我们提出的算法以更少的步骤和更少的运行时间拟合了整个解决方案路径。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号