期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
求解非半正定核Huber-支持向量回归机问题的序列最小最优化算法
被引量:
9
1
作者
周晓剑
马义中
+2 位作者
朱嘉钢
刘利平
汪建均
《控制理论与应用》
EI
CAS
CSCD
北大核心
2010年第9期1178-1184,共7页
序列最小最优化(SMO)算法是求解大型支持向量机(SVM)问题的有效算法.已有的算法都要求核函数是正定的或半正定的,从而使其应用受到限制.针对这种缺点,本文提出一种新的的SMO算法,可求解非半正定核Huber-SVR问题.提出的算法在保证收敛的...
序列最小最优化(SMO)算法是求解大型支持向量机(SVM)问题的有效算法.已有的算法都要求核函数是正定的或半正定的,从而使其应用受到限制.针对这种缺点,本文提出一种新的的SMO算法,可求解非半正定核Huber-SVR问题.提出的算法在保证收敛的前提下可使非半正定Huber-SVR能够达到比较理想的回归精度,因而具有一定的理论意义和实用价值.
展开更多
关键词
支持向量机
非半正定核
序列最小最优化算法
Huber-支持向量回归机
下载PDF
职称材料
非半正定核条件下v-SVR的SMO算法
2
作者
周晓剑
王力
侯蓉
《系统工程》
CSSCI
北大核心
2017年第4期149-153,共5页
大数据背景下,如何对海量数据进行挖掘是目前研究的一个热点问题。序列最小最优化(SMO)算法是实现支持向量机(SVM)对大数据挖掘的有效算法。现有算法假定核函数是正定或半正定,限制了核函数的选择。为解决这一不足,提出了针对非半正定核...
大数据背景下,如何对海量数据进行挖掘是目前研究的一个热点问题。序列最小最优化(SMO)算法是实现支持向量机(SVM)对大数据挖掘的有效算法。现有算法假定核函数是正定或半正定,限制了核函数的选择。为解决这一不足,提出了针对非半正定核v-SVR的SMO算法。所提算法不仅适用于非半正定核,而且具有较好的回归精度。
展开更多
关键词
非半正定核
SMO算法
v-支持向量回归机
原文传递
题名
求解非半正定核Huber-支持向量回归机问题的序列最小最优化算法
被引量:
9
1
作者
周晓剑
马义中
朱嘉钢
刘利平
汪建均
机构
南京理工大学管理科学与工程系
江南大学信息工程学院
出处
《控制理论与应用》
EI
CAS
CSCD
北大核心
2010年第9期1178-1184,共7页
基金
国家自然科学基金重点资助项目(70931002)
国家自然科学基金资助项目(70672088)
文摘
序列最小最优化(SMO)算法是求解大型支持向量机(SVM)问题的有效算法.已有的算法都要求核函数是正定的或半正定的,从而使其应用受到限制.针对这种缺点,本文提出一种新的的SMO算法,可求解非半正定核Huber-SVR问题.提出的算法在保证收敛的前提下可使非半正定Huber-SVR能够达到比较理想的回归精度,因而具有一定的理论意义和实用价值.
关键词
支持向量机
非半正定核
序列最小最优化算法
Huber-支持向量回归机
Keywords
support-vector-machine
non-positive semi-definite kernel
sequential-minimal-optimization algorithm
Huber-support vector regression
分类号
TP18 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
非半正定核条件下v-SVR的SMO算法
2
作者
周晓剑
王力
侯蓉
机构
南京邮电大学管理学院
出处
《系统工程》
CSSCI
北大核心
2017年第4期149-153,共5页
基金
国家自然科学基金青年项目(71401080)
2014年度全国统计科学研究重点项目(2014LZ42)
国家留学基金委项目(201508320059)
文摘
大数据背景下,如何对海量数据进行挖掘是目前研究的一个热点问题。序列最小最优化(SMO)算法是实现支持向量机(SVM)对大数据挖掘的有效算法。现有算法假定核函数是正定或半正定,限制了核函数的选择。为解决这一不足,提出了针对非半正定核v-SVR的SMO算法。所提算法不仅适用于非半正定核,而且具有较好的回归精度。
关键词
非半正定核
SMO算法
v-支持向量回归机
Keywords
Non-positive Semi-definite Kernels SMO Algorithm
v-SVR
分类号
TP18 [自动化与计算机技术—控制理论与控制工程]
原文传递
题名
作者
出处
发文年
被引量
操作
1
求解非半正定核Huber-支持向量回归机问题的序列最小最优化算法
周晓剑
马义中
朱嘉钢
刘利平
汪建均
《控制理论与应用》
EI
CAS
CSCD
北大核心
2010
9
下载PDF
职称材料
2
非半正定核条件下v-SVR的SMO算法
周晓剑
王力
侯蓉
《系统工程》
CSSCI
北大核心
2017
0
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部