线性支持向量机优化问题的极大熵方法  

Maximum Entropy Approach for Linear SVM Optimization Problems

作　　者：郭崇慧[1] 孙建涛[2] 陆玉昌[2] 唐焕文[1] 

机构地区：[1]大连理工大学应用数学系,辽宁大连116024 [2]清华大学智能技术与系统国家重点实验室,北京100084

出　　处：《小型微型计算机系统》2006年第7期1383-1387,共5页Journal of Chinese Computer Systems

基　　金：国家自然科学基金项目(10571018)资助;国家"九七三"重点基础研究发展项目(1998030414)资助;中国博士后科学基金项目(2003033153)资助

摘　　要：支持向量机是一种新的机器学习方法,已成功地应用于模式分类、回归分析和密度估计等问题中.本文依据统计学习理论和最优化理论建立了线性支持向量机的无约束优化模型,并给出了一种有效的近似解法—极大熵方法,为求解支持向量机优化问题提供了一种新途径.本文方法特别易于计算机实现,数值实验结果表明了模型和算法的可行性和有效性.Support vector machine （SVM） is a new class of machine learning algorithms, which has been applied to many real- world problems, such as pattern classification, regression analysis and density estimation. This paper presents a new approach to solve linear support vector machines optimization problem. Based on statistical learning theory and optimization theory, unconstrained optimization models for support vector machines are built, and an approximate algorithm-maximum entropy method is given. Primary numerical results illustrate that maximum entropy method for support vector machines is feasible and effective.

关 键 词：机器学习 支持向量机 极大熵方法 

分 类 号：TP181[自动化与计算机技术—控制理论与控制工程] O221.2[自动化与计算机技术—控制科学与工程]