典型文献
鲁棒最小二乘孪生支持向量机及其稀疏算法
文献摘要：
最小二乘孪生支持向量机通过求解两个线性规划问题来代替求解复杂的二次规划问题,具有计算简单和训练速度快的优势.然而,最小二乘孪生支持向量机得到的超平面易受异常点影响且解缺乏稀疏性.针对这一问题,基于截断最小二乘损失提出了一种鲁棒最小二乘孪生支持向量机模型,并从理论上验证了模型对异常点具有鲁棒性.为使模型可处理大规模数据,基于表示定理和不完全Cholesky分解得到了新模型的稀疏解,并提出了适合处理带异常点的大规模数据的稀疏鲁棒最小二乘孪生支持向量机算法.数值实验表明,新算法比已有算法分类准确率、稀疏性、收敛速度分别提高了1.97％～37.7％、26～199倍和6.6～2027.4倍.
文献关键词：
鲁棒最小二乘孪生支持向量机;截断最小二乘损失函数;不完全Cholesky分解;表示定理;稀疏解
中图分类号：
作者姓名：
靳启帆;陈丽;徐明亮;姜晓恒
作者机构：
郑州大学 计算机与人工智能学院,郑州 450001;郑州大学 体育学院(校本部),郑州 450001
文献出处：
引用格式：
[1]靳启帆;陈丽;徐明亮;姜晓恒-.鲁棒最小二乘孪生支持向量机及其稀疏算法)[J].计算机工程与应用,2022(18):78-89
A类：
鲁棒最小二乘孪生支持向量机,截断最小二乘损失函数
B类：
稀疏算法,线性规划,二次规划问题,训练速度,超平面,异常点,稀疏性,支持向量机模型,大规模数据,表示定理,Cholesky,稀疏解,支持向量机算法,数值实验,新算法,算法分类,分类准确率,收敛速度
AB值：
0.17637
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。
