改进孪生支持向量机的一种快速分类算法  

A Fast Classification Algorithm of Improved Twin Support Vector Machines

作　　者：高斌斌[1] 刘霞[2] 李秋林[1] 

机构地区：[1]西南大学数学与统计学院,重庆400715 [2]新疆大学数学与系统科学学院,乌鲁木齐830046

出　　处：《重庆理工大学学报（自然科学）》2012年第11期98-103,108,共7页Journal of Chongqing University of Technology：Natural Science

摘　　要：为了提高孪生支持向量机(TSVM)的泛化性能,基于结构风险最小化的原则重构TSVM的原始优化问题,提出改进的TSVM(ITSVM)分类模型。为了加快ITSVM的训练进程,将坐标下降算法和收缩技术相结合求解该模型。仿真实验和真实数据实验表明,该方法不仅具有良好的分类性能,而且具有很快的学习速度。In order to improve the generalization performance of the twin support vector machine（TSVM）,this paper proposes an improved TSVM（ITSVM） classification model based on the structural risk minimization principle,and the coordinate descent algorithm with shrinking technique is used to solve the optimization problems to speed up the training procedure.Numerical results on both arti？cial and UCI datasets show that the proposed approach not only obtains good classification performance,but also shows fast learning speed.

关 键 词：支持向量机 孪生支持向量机 坐标下降算法 分类算法 结构风险最小化原则 

分 类 号：TP181[自动化与计算机技术—控制理论与控制工程]