监督学习问题中的最优性条件与数值试验  

SOME OPTIMALITY CONDITIONS AND NUMERICAL EXPERIMENTS IN SUPERVISED LEARNING PROBLEMS

作　　者：董玉林[1] 庞丽萍[1] 夏重杭 

机构地区：[1]大连理工大学应用数学系 [2]Computer Sci.,WUK,KY42101,USA

出　　处：《高等学校计算数学学报》2005年第S1期362-367,共6页Numerical Mathematics A Journal of Chinese Universities

基　　金：高校博士点基金(20020141013)国家自然科学基金(10471015)资助.

摘　　要：1 引言线性分类器是指:给定训练数据(xi,yi),i=1,…,l,yi∈{-1,1),xi∈Rn,求出ω∈Rn(权重)和γ∈R(阈值),使得当yi=1时,有ωTxi≥γ;yi=-1时,有ωTxi<γ．我们考虑下述几类监督学习中的模型问题,如见[1][2][3]． 1．支持向量机(SVM)及对偶(MSVMD)This paper presents optimality conditions for several linear models in supervised learning problems. Relationships between solutions of different models are analyzed and two bounds of differences between two solutions belonging, respectively, to every two different models are given. Some results of numerical experiments are reported.

关 键 词：data mining pattern recognition support vector machines. 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]