《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