基于乘性规则的支持向量机  

Support vector machines based on multiplicative updates

作　　者：吴青[1] 刘三阳[1] 郑巍[1] 

机构地区：[1]西安电子科技大学理学院,陕西西安710071

出　　处：《智能系统学报》2007年第2期74-77,共4页CAAI Transactions on Intelligent Systems

基　　金：国家自然科学基金资助项目(60574075)

摘　　要：传统的二次规划由于涉及大量的矩阵运算,运算速度慢成为支持向量机的最大缺点.已有的乘性规则仅适于非负二次凸规划问题,推导出了求解支持向量机中混合约束二次凸规划的乘性规则,利用这一乘性规则极大地提高了优化速度.该方法提供了一种直接优化的方法,其所有变量可以并行迭代,乘性规则可以使得二次规划的目标函数单调下降到它的全局最小点.仿真试验结果表明了该算法有效性.Due to intensive matrix computation, the speed of the quadratic equation remains slow. The multiplicative updates available are only suited for nonnegative quadratic convex programming. In this article, the multiplicative updates are derived for mixed constraint optimizations, dramatically speeding up optimization rate. This method provides an extremely straightforward way to implement support vector machines （SVMs） where all the variables can be iterated in parallel. The multiplicative updates converge to global minimum point by monotonically reducing the target function of quadratic programming. Experimental results have confirmed the effectiveness of our approach.

关 键 词：支持向量机 二次凸规划 混合约束 乘性规则 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]