线性规划支持向量机模型的研究

摘要：

传统的由L<,2>范数导出的二次规划支持向量机算法,在小样本、高维数据的分类问题中做出了不平凡的贡献,但在数据量很大时,所需的计算时间和空间复杂度仍然很大。本文提出的由L<,1>、L<,∞>范数导出的支持向量机算法,将二次规划问题转化为线性规划问题,大大减少了计算量。仿真结果表明,尽管线性规划支持向量机的准确识别率有一定下降,但它仍然具有很好的性能。

关键词： 支持向量机 线性规划 统计学习 模式识别

作者: 徐会敏 王玉兰

作者单位: 四川成都理工大学信息管理学院,成都工业610059 四川成都理工大学信息管理学院,成都工业10059

会议类型: 国内会议

会议名称: 全国第18届计算机技术与应用学术会议(CACIS)

会议地点: 浙江宁波

会议语种:中文

页码: 150-154

在线出版日期: 2007-08-25（万方平台首次上网日期，不代表论文的发表时间）