基于无约束优化的最小二乘支撑向量机

• 作 者: 熊福松 王晓明 朱香卫
• 机 构: 南京铁道职业技术学院信息工程系,江南大学数字媒体学院
• 出 处: 计算机应用
• 发表日期: 2010年09期
• 关键词: 监督学习 最小二乘支撑向量机 优化算法 supervised learning Least Square Support Vector Machine （ LS

为了解决最小二乘支撑向量机(LSSVM)优化问题需要耗费大量时间的问题,提出了利用牛顿优化法来解决LSSVM优化问题的方法(称为Newton-LSSVM)。首先把LSSVM优化问题转化为无约束化优化问题的形式,然后再采用牛顿优化法来迭代求解。实验结果表明,该方法在大幅度减少LSSVM算法的训练时间开销的同时,能够获得与采用传统优化方式求解LSSVM优化问题一样的泛化能力。