文献类型：期刊文章

作　　者：周晓剑[1] 马义中[1] 朱嘉钢[2] 刘利平[1] 汪建均[1]

机构地区：[1]南京理工大学管理科学与工程系,江苏南京210094 [2]江南大学信息工程学院,江苏无锡214122

出　　处：《控制理论与应用》

基　　金：国家自然科学基金重点资助项目(70931002);国家自然科学基金资助项目(70672088)

年　　份：2010

卷　　号：27

期　　号：9

起止页码：1178-1184

语　　种：中文

收录情况：BDHX、BDHX2008、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、EI、IC、INSPEC、JST、MR、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：序列最小最优化(SMO)算法是求解大型支持向量机(SVM)问题的有效算法.已有的算法都要求核函数是正定的或半正定的,从而使其应用受到限制.针对这种缺点,本文提出一种新的的SMO算法,可求解非半正定核Huber-SVR问题.提出的算法在保证收敛的前提下可使非半正定Huber-SVR能够达到比较理想的回归精度,因而具有一定的理论意义和实用价值.

关 键 词：支持向量机 非半正定核  序列最小最优化算法  Huber-支持向量回归机  

分 类 号：TP18]