Padé32光滑支持向量机模型的构造及其应用

含无约束条件支持向量机的目标函数具有不光滑性,使得研究者难以采用快速的最优化算法对其进行求解.为了克服支持向量机的不可微性,文章首先应用有理逼近的方法,提出了一种新的Padé32逼近式光滑函数并建立了基于该函数的光滑支持向量机模型.其次,分析并证明了新光滑函数的逼近精度均高于已有的各种光滑函数,以及新模型的收敛性.最后,基于UCI机器学习数据库,将本文构造的Padé32–SSVM模型应用于若干种疾病的诊断、钞票验伪和生物可降解性分析中,结果表明本文建立的新光滑支持向量机模型具有较高的分类精度.