在原始空间用Rosenbrock算法训练线性支持向量机
Training linear support vector machine by Rosenbrock algorithm in the primal space作者机构：西安电子科技大学数学科学系 河南科技大学理学院 解放军96251部队
出 版 物：《控制与决策》 (Control and Decision)
年 卷 期：2009年第24卷第12期
页 面：1895-1898页
核心收录：
学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）]
基 金：国家自然科学基金项目(60574075 60705004)
主 题：支持向量机 模式识别 分类 Rosenbrock算法 并行下降
摘 要：为了加快并行下降方法(CD)用于线性支持向量机(SVM)时的最终收敛速度,将Rosenbrock算法(R)用于线性SVM.在内循环,R通过解一个单变量子问题来更新w的一个分量,并同时固定其他分量不变;在外循环,采用Gram-schmidt过程构建新的搜索方向.实验结果表明,与CD相比,R加快了最终的收敛,在分类中能更快地获得更高的测试精度.
维普期刊数据库
同方期刊数据库