基于Hermite插值的SVM研究

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (29): 179-181.

基于Hermite插值的SVM研究

范艳峰^1,2,张德贤²,何华灿¹

1.西北工业大学计算机学院,西安 710072
2.河南工业大学信息科学与工程学院,郑州 450001

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-10-11 发布日期:2007-10-11
通讯作者: 范艳峰

SVM research based on Hermite interpolation

FAN Yan-feng^1,2,ZHANG De-xian²,HE Hua-can¹

1.College of Computer Science,Northwest Polytechnical University,Xi’an 710072,China
2.College of Information Science and Engineering,Henan University of Technology,Zhengzhou 450052,China

Received:1900-01-01 Revised:1900-01-01 Online:2007-10-11 Published:2007-10-11
Contact: FAN Yan-feng

摘要/Abstract

摘要： 在传统SVM的分类求解算法中,由于严格凸的无约束最优化问题中单变量函数x+是不可微的,不能使用通常的最优化的算法进行求解。三次Hermite插值多项式光滑的支持向量机模型采用的是一种多项式光滑技术,用三次Hermite插值多项式代替单变量函数x+,将原来不可微的模型变为可微的模型,并且给出了三次Hermite插值多项式光滑化单变量函数x+的推导过程。使用UCI机器学习数据集中的数据,通过实验验证了该模型的有效性。

关键词: 支持向量机, Hermite插值, 多项式光滑

Abstract: In traditional SVM solution algorithms,objective function is a strictly convex unconstrained optimization problem,but is not differentiable due to x+,which precludes the use of most used optimization algorithms.Polynomial smooth techniques are applied to SVM model and replace x+ by a very accurate smooth approximation that is Hermite Interpolation polynomial,thus the undifferential model is converted into a differential model.The deduction procedure of Hermite Interpolation polynomial smoothing x+ is extended.Experiments with UCI datasets show the validity of the model.

Key words: SVM, Hermite interpolation, polynomial smooth

范艳峰^1,2,张德贤²,何华灿¹. 基于Hermite插值的SVM研究[J]. 计算机工程与应用, 2007, 43(29): 179-181.

FAN Yan-feng^1,2,ZHANG De-xian²,HE Hua-can¹. SVM research based on Hermite interpolation[J]. Computer Engineering and Applications, 2007, 43(29): 179-181.

[1]	高一锴，彭力，徐龙壮. 改进AFSA算法优化TWSVM的火焰识别方法[J]. 计算机工程与应用, 2021, 57(8): 204-213.
[2]	韩卫宇，程龙生. 结合马田系统-SVM的滚动轴承故障模式分类研究[J]. 计算机工程与应用, 2021, 57(6): 239-246.
[3]	雷恒林，古兰拜尔·吐尔洪，买日旦·吾守尔，张东梅. 新奇检测综述[J]. 计算机工程与应用, 2021, 57(5): 47-55.
[4]	温杰彬，杨文忠，马国祥，张志豪，李海磊. 基于Apex帧光流和卷积自编码器的微表情识别[J]. 计算机工程与应用, 2021, 57(4): 127-133.
[5]	李俊侠，张秦，郑桂妹. 超宽带雷达人体姿态识别综述[J]. 计算机工程与应用, 2021, 57(3): 14-23.
[6]	徐先峰，蔡路路，张丽. 融合MLP和DBN的光伏发电预测算法[J]. 计算机工程与应用, 2021, 57(3): 266-272.
[7]	陈富健，谢维信，夏婷. 基于LCT+的自适应抗遮挡目标跟踪算法[J]. 计算机工程与应用, 2021, 57(22): 190-198.
[8]	杨泉. N1+N2结构语法关系判定的SVM算法[J]. 计算机工程与应用, 2021, 57(20): 104-108.
[9]	高晋，赵云芃，Godfred Kim Mensah，李欣芸，刘志芬，陈俊杰，郭浩. 静息态功能脑连接的空间动态分析及分类研究[J]. 计算机工程与应用, 2021, 57(2): 150-155.
[10]	秦博宇，郝晓燕，刘永芳. 基于SVM和CRF双层模型的FrameNet框架消歧[J]. 计算机工程与应用, 2021, 57(18): 255-262.
[11]	郑淋文，周金治，黄静. 深度稀疏自编码器在ECG特征提取中的应用[J]. 计算机工程与应用, 2021, 57(11): 156-161.
[12]	温廷新，孔祥博. 不平衡样本下的金融市场极端风险预警研究[J]. 计算机工程与应用, 2020, 56(8): 256-260.
[13]	陈菲雨，岳文斌，饶颖露，邢金昊，马晓静. 基于改进TLD算法的无人机自主精准降落[J]. 计算机工程与应用, 2020, 56(7): 247-254.
[14]	马玲，罗晓曙，蒋品群. 基于模板匹配和支持向量机的点阵字符识别研究[J]. 计算机工程与应用, 2020, 56(4): 134-139.
[15]	张忠林，冯宜邦，赵中恺. 一种基于SVM的非均衡数据集过采样方法[J]. 计算机工程与应用, 2020, 56(23): 220-228.