线性规划ν-支持向量机的牛顿法

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (26): 32-34.

线性规划ν-支持向量机的牛顿法

宋杰

韶关学院数学与信息科学学院，广东韶关 512005

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-09-11 发布日期:2011-09-11

Newton algrithm for ν-support vector machine based on linear programming

SONG Jie

College of Mathematics and Information Sciences，Shaoguan University，Shaoguan，Guangdong 512005，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-09-11 Published:2011-09-11

摘要/Abstract

摘要： 基于线性规划的ν-支持向量机（ν-LPSVM）是在基于二次规划的ν-支持向量机（ν-QPSVM）的基础上提出的。ν-LPSVM和ν-QPSVM模型中的参数ν都可以控制支持向量的数目和误差，但ν-LPSVM的模型更为简单，应用前景更广。讨论了这种新型支持向量机的线性规划问题的最小2-范数解，在此基础上给出了一个快速、有限步终止的牛顿算法。数值实验表明，ν-LPSVM的牛顿算法快速而且有效。

关键词: 支持向量机, ν-支持向量机, 线性规划, 牛顿算法

Abstract: The ν-Support Vector Machine based on Linear Programming (ν-LPSVM） has been proposed following ν-support Vector Machine based on Quadratic Programming (ν-QPSVM）.The parameter ν can also control the numbers of support vectors and errors.How ever，the formulation of ν-LPSVM is much simpler，and its application is more prospective.The least 2-norm solution of the linear programming formulation of the new SVM is discussed.Based on it，a fast Newton algorithm is proposed，which is terminated finitely.The numerical tests show that the Newton algorithm of ν-LPSVM is fast and effective.

Key words: Support Vector Machine（SVM）, ν-Support Vector Machine（ν-SVM）, Linear Programming（LP）, Newton algorithm

宋杰. 线性规划ν-支持向量机的牛顿法[J]. 计算机工程与应用, 2011, 47(26): 32-34.

SONG Jie. Newton algrithm for ν-support vector machine based on linear programming[J]. Computer Engineering and Applications, 2011, 47(26): 32-34.

[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]	张惠煜，陈庆新，毛宁. 随机批量物料搬运的制造系统AGV配置优化[J]. 计算机工程与应用, 2021, 57(4): 245-251.
[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]	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.
[8]	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.
[9]	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.
[10]	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.
[11]	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.
[12]	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.
[13]	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.
[14]	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.
[15]	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.