八种最小二乘SVM型学习算法的优势比较
夏文静1
陈耿2
范丽亚1
1.聊城大学 数学科学学院,山东 聊城,2520592.山东省泰安市第一中学,山东 泰安,271000
摘要：我们知道,支持向量机(Support Vector Machine,SVM)型学习算法的计算复杂性和稀疏性对分析和处理大数据来说是非常重要的两个因素,尤其是对高维数据.学者们针对这两个因素做了大量的研究,提出了许多改进的SVM型算法,常见的有基于最小二乘技术的SVM型算法和孪生SVM型算法.它们当中,有些算法的出发点基本相同,但是求解方法上略有不同;有些算法有明显不同的出发点,其所构建的最优化模型也不相同.选取八个较具代表性的最小二乘SVM型算法,分析和比较它们之间的优势和劣势,以期读者更加深入的理解这类算法,且在应用于实际问题中时更具有选择性.
关键词：最小二乘支持向量机有效稀疏孪生支持向量机1-范数分类问题
分类号：O224(运筹学)
资助基金：国家自然科学基金(11501278)山东省自然科学基金(ZR2013AQ011)
论文发表日期：2016-01-01
在线出版日期：2026-08-28（本平台首次上网日期，不代表文献的发表时间）
页数：9( 33-41 )
英文信息