计算机研究与发展
計算機研究與髮展
계산궤연구여발전
JOURNAL OF COMPUTER RESEARCH AND DEVELOPMENT
2014年
10期
2171-2177
,共7页
支持向量机%线性支持向量机%核方法%近似高斯核%再生核希尔伯特空间
支持嚮量機%線性支持嚮量機%覈方法%近似高斯覈%再生覈希爾伯特空間
지지향량궤%선성지지향량궤%핵방법%근사고사핵%재생핵희이백특공간
support vector machine%linear support vector machine%kernel methods%approximate Gaussian kernel%reproducing kernel Hilbert space
大规模数据集上非线性支持向量机(support vector machine,SVM)的求解代价过高,然而对于线性SVM却存在高效求解算法.为了应用线性SVM高效求解算法求解非线性SVM,并保证非线性SVM的精确性,提出一种基于近似高斯核显式描述的大规模SVM求解方法.首先,定义近似高斯核并建立其与高斯核的关系,推导近似高斯核与高斯核的偏差上界.然后给出近似高斯核对应的再生核希尔伯特空间(reproducing kernel Hilbert space,RKHS)的显式描述,由此可精确刻画SVM解的结构,增强SVM方法的可解释性.最后显式地构造近似高斯核对应的特征映射,并将其作为线性SVM的输入,从而实现了用线性SVM算法高效求解大规模非线性SVM.实验结果表明,所提出的方法能提高非线性SVM的求解效率,并得到与标准非线性SVM相近的精确性.
大規模數據集上非線性支持嚮量機(support vector machine,SVM)的求解代價過高,然而對于線性SVM卻存在高效求解算法.為瞭應用線性SVM高效求解算法求解非線性SVM,併保證非線性SVM的精確性,提齣一種基于近似高斯覈顯式描述的大規模SVM求解方法.首先,定義近似高斯覈併建立其與高斯覈的關繫,推導近似高斯覈與高斯覈的偏差上界.然後給齣近似高斯覈對應的再生覈希爾伯特空間(reproducing kernel Hilbert space,RKHS)的顯式描述,由此可精確刻畫SVM解的結構,增彊SVM方法的可解釋性.最後顯式地構造近似高斯覈對應的特徵映射,併將其作為線性SVM的輸入,從而實現瞭用線性SVM算法高效求解大規模非線性SVM.實驗結果錶明,所提齣的方法能提高非線性SVM的求解效率,併得到與標準非線性SVM相近的精確性.
대규모수거집상비선성지지향량궤(support vector machine,SVM)적구해대개과고,연이대우선성SVM각존재고효구해산법.위료응용선성SVM고효구해산법구해비선성SVM,병보증비선성SVM적정학성,제출일충기우근사고사핵현식묘술적대규모SVM구해방법.수선,정의근사고사핵병건립기여고사핵적관계,추도근사고사핵여고사핵적편차상계.연후급출근사고사핵대응적재생핵희이백특공간(reproducing kernel Hilbert space,RKHS)적현식묘술,유차가정학각화SVM해적결구,증강SVM방법적가해석성.최후현식지구조근사고사핵대응적특정영사,병장기작위선성SVM적수입,종이실현료용선성SVM산법고효구해대규모비선성SVM.실험결과표명,소제출적방법능제고비선성SVM적구해효솔,병득도여표준비선성SVM상근적정학성.
