《双联支持向量分类机与回归机研究》由会员分享，可在线阅读，更多相关《双联支持向量分类机与回归机研究（4页珍藏版）》请在金锄头文库上搜索。
1、双联支持向量分类机与回归机争辩Research on Twin Support Vector Machine Classification and Regression Algorithm摘要摘要双联支持向量分类机与回归机争辩支持向量机(Support Vector Machines，简记为SVM)是一种建立在统计学习理论根底上的机器学习方法，它使用的是构造风险最小化原那么(Structural Risk Minimization，简记为SRM)。支持向量机是目前机器学习方法在数据挖掘领域中应用的一个研 究热点，而双联支持向量机(Twin Support Vector Machines，简记为
2、TWSVM)是支持向量机方法中的一个新的拓展，它是 2007 年才提出来的一种新的数据挖掘技术，它在理论争辩和实际应用上正在快速的进展。与数据挖掘中的其它一些方法相比，支持向量机的明显优点是：（1） 具有坚实的理论依据。以统计学习理论、最优化理论等为根底，它可望成为抑制“维数灾难”和“过学习”等传统困难的有力手段；（2） 通过构造两条平行超平面，并使用最大间隔原那么得到一个凸二次最优化问题。使用支持向量机需要选择的参数较少，实际工作者易于把握。2007 年，Jayadeva 等人在两类分类问题中提出双联支持向量机的新方法。与支持向量机方法相比，双联支持向量机的明显优点是：（1） 将支持向量机本
3、质的构造平行平面推广到非平行的状况，并得到形式更简洁的最优化问题凸二次规划；（2） 双联支持向量机将支持向量机求解的优化问题分解为两个规I摘要模更小的优化问题，从而易于求解，进而计算时间少。本文将具体争辩双联支持向量机的两类分类与回归算法，包括标准的双联支持向量分类机及其算法改进，双联支撑向量回归机 (Twin Support Vector Regression，简记为TSVR)及其算法改进，并提出双联支持向量机中假设干重要最优化问题的求解方法。关键词：支持向量机，双联支持向量机，分类问题，回归问题II AbstractAbstractResearch on Twin Support Vect
4、or Machine Classification and Regression AlgorithmSupport Vector Machines is a research hotpot in the Data Mining area，and Twin Support Vector Machines is a new continuation of the method of Support Vector Machines,it is a new Data Mining technology that was supported in 2007,it is rapidly developin
5、g in Theoretical research and practical application.Support Vector Machines is a learning theory based on statistical machine learning methods ,it adopts Structural Risk Minimization pared with some other methods of Data Mining， the obvious advantages are:It obtains Solid theoretical basis 。 It is b
6、ased on Optimization theory，and it expected to be effective means to overcome Traditional difficult such as Dimension disasters；By constructing two Parallel hyperplanes,and using the Biggest interval principle to get a Convex quadratic optimization problem。We need less parameters to use Support Vector Machines， and it is easy to grasp for Actual workers.In 2007，Jayadeva and his parteners puted forward the newIII
