典型文献
基于谱风险度量的SVM求解算法与实证分析
文献摘要：
随着大数据时代的来临,机器学习是一个热门的研究领域.作为一个具有成熟理论和算法的支持向量机模型(Support Vector Machine,SVM)更是备受关注.传统的支持向量机存在着模型参数可解释性差、参数的选择范围受限以及分类精度不精确等问题.为了提高计算精度,从谱风险度量的定义出发,给出了谱风险度量的性质,并利用风险度量与SVM模型之间的转换关系构建了新的SVM模型,该模型在参数选择方面不受限制,并且在计算精度上也要优于传统的支持向量机模型.实证分析表明,基于谱风险度量的SVM模型比传统的SVM模型有更精确的分类精度.
文献关键词：
机器学习;支持向量机;一致风险度量;谱风险度量;凸优化
中图分类号：
作者姓名：
李瑞祺;韩有攀
作者机构：
西安工程大学理学院,西安 710048
文献出处：
引用格式：
[1]李瑞祺;韩有攀-.基于谱风险度量的SVM求解算法与实证分析)[J].河南科学,2022(03):350-360
A类：
谱风险度量,一致风险度量
B类：
求解算法,和算,支持向量机模型,Support,Vector,Machine,可解释性,分类精度,计算精度,定义出,利用风险,转换关系,关系构建,参数选择,受限制,凸优化
AB值：
0.198786
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
