原创力文档- 1、本文档共9页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
第16巷第l期 慎式识别与人工智能 Ⅵ)I16NoI
2003年3，{ PR＆AI March2003
SVM
QP问题分解算法的研究进展
邱熔胜 董云杰
甘肃工业大学电气工程与信息1程学院兰州 730050)
摘要本文首先简单，t绍了直持向量机的摹小原理．然后简单分析了SVMQPfnJ题的特点，详细介绍了解SVM
QP问题的一系列分解算法，并时分解算法更进一步的研究方向作了探讨
关键词 主持lq量机，SVMQ】’问题，分解算法
中图法分类号TPl81 A
引 言 是解统计模式识别等统计机器学习问题的基本思
想．在此思想的指导下，人们主要解决如何更好地求
取最小经验风险．但实践证明，一味追求洲练误差最
近儿年来，在VladimirN．Vapnik的统汁学习理
小(刘应经验风险最小)并不能得到最好泛化能力，
论(Statistical
LearningTheory，SLq、)“基础上发展
有些情况下，训练误差太小反而会导致泛化能力下
Vector
Machines，
起来的支持向量机u2。o(Support
降，这在神经网络中表现得尤为突出(即过学习M
SVM)正成为机器学习领域中新的研究热点．求解
题)．导致出现陔问题的一个根本原因就足传统统计
一个svM可转化为优化一个QP问题(Quadratic
学是一种渐进理论，它的许多结论都是在样本数目
Problcm)虽然QP问题在数学f．早已
Programming
趋向于无穷大的条件下得出的，而在小样本条件下，
解决，但由于SVMQP问题的特殊性，探寻关于
以传统渐进统计学为理沦基础的经验风险最小化原
SVM
QP问题合理且高效的算法便成为SVM领域
则并不能很好地实现由贝叶斯决策理沦导出的期单
的一个莆要研究课题．目前，分解箅法足优化SVM
风险最小化原则为了解决传统渐进统计学府用在
0P问题的主流箅法，其研究也取得了长足的发展．
N
小样本统计学习中的不足，Vladimir
Vapnik等人
本文对SVMQI，问题分解算法的研究进展作r简
建立了统计学习理论统计学习理论指出，在小样本
单的总结，并对SVM木身及SVM
QP问题更进一
条件下，只有问时控制经验风险和学习机的容量(用
步的研究方向作了探讨
文档评论（0）