-
题名基于近似高斯核显式描述的大规模SVM求解
被引量：5
- 1
-
-
作者
刘勇
江沙里
廖士中
-
机构
天津大学计算机科学与技术学院
-
出处
《计算机研究与发展》
EI
CSCD
北大核心
2014年第10期2171-2177,共7页
-
基金
国家自然科学基金项目(61170019)
天津市自然科学基金项目(11JCYBJC00700)
-
文摘
大规模数据集上非线性支持向量机(support vector machine,SVM)的求解代价过高,然而对于线性SVM却存在高效求解算法.为了应用线性SVM高效求解算法求解非线性SVM,并保证非线性SVM的精确性,提出一种基于近似高斯核显式描述的大规模SVM求解方法.首先,定义近似高斯核并建立其与高斯核的关系,推导近似高斯核与高斯核的偏差上界.然后给出近似高斯核对应的再生核希尔伯特空间(reproducing kernel Hilbert space,RKHS)的显式描述,由此可精确刻画SVM解的结构,增强SVM方法的可解释性.最后显式地构造近似高斯核对应的特征映射,并将其作为线性SVM的输入,从而实现了用线性SVM算法高效求解大规模非线性SVM.实验结果表明,所提出的方法能提高非线性SVM的求解效率,并得到与标准非线性SVM相近的精确性.
-
关键词
支持向量机
线性支持向量机
核方法
近似高斯核
再生核希尔伯特空间
-
Keywords
support vector machine
linear support vector machine
kernel methods
approximate Gaussian kernel
reproducing kernel Hilbert space
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
