CAJ | 학술논문

@@@@研究l2范数正则化最小二乘支持向量机的坐标下降算法实现。在图像处理、人类基因组分析、信息检索、数据管理和数据挖掘中经常会遇到机器学习目标函数要处理的数据无法在内存中处理的场景。最近研究表明大规模线性支持向量机使用坐标下降方法具有较好的分类性能，在此工作基础上，文中扩展坐标下降方法到最小二乘支持向量机上，提出坐标下降l2范数LS-SVM分类算法。该算法把LS-SVM目标函数中模型向量的优化问题简化为特征分量的单目标逐次优化问题。在高维小样本数据集、中等规模数据集和大样本数据集上的实验验证了该算法的有效性，与LS-SVM分类算法相比，在数据内存中无法处理的情况下可作为备用方法。
@@@@연구l2범수정칙화최소이승지지향량궤적좌표하강산법실현。재도상처리、인류기인조분석、신식검색、수거관리화수거알굴중경상회우도궤기학습목표함수요처리적수거무법재내존중처리적장경。최근연구표명대규모선성지지향량궤사용좌표하강방법구유교호적분류성능，재차공작기출상，문중확전좌표하강방법도최소이승지지향량궤상，제출좌표하강l2범수LS-SVM분류산법。해산법파LS-SVM목표함수중모형향량적우화문제간화위특정분량적단목표축차우화문제。재고유소양본수거집、중등규모수거집화대양본수거집상적실험험증료해산법적유효성，여LS-SVM분류산법상비，재수거내존중무법처리적정황하가작위비용방법。