.png){kind=icon}
返回
Kernel-free quadratic proximal support vector machine with Lp-norm regularization
.png){kind=icon}
PRE
AI
DOI：10.1016/j.engappai.2025.110658.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
对于二分类问题，现实世界的数据通常表现出类别不平衡、噪声和离群值，其复杂分布需要使用核函数来非线性地分离数据。在本文中，我们提出了一种新颖的非线性分类器，称为无核二次近端支持向量机，带有任意L-p-范数正则化（L-p-QPSVM），其中p > 0。我们的L-p-QPSVM的目标是找到两个二次超曲面以实现非线性分类。通过在我们的方法中引入L-p-范数正则化项，L-p-QPSVM允许灵活调整p，增强了其鲁棒性和泛化能力。为加强实际应用，提出了L-p-QPSVM的简化版本。此外，我们将L-p-QPSVM的两个优化问题转化为凸二次规划问题，并设计了一种迭代算法来求解它们。文中给出了L-p-QPSVM的收敛性、可解释性和计算复杂度。在人工数据集和基准数据集上的数值实验验证了我们的L-p-QPSVM的有效性，并表明其性能优于代表性分类方法，达到了最先进水平。
Keyword:
Proximal support vector machine
Quadratic hypersurface
Kernel-free
L-1-norm
L-p-norm
期刊
IF:
8
论文数:
5.8K
被引数:
3.5W
机构
暂无机构信息
引用论文
.png){kind=icon}
A Comprehensive Comparative Study of Artificial Neural Network (ANN) and Support Vector Machines (SVM) on Stock Forecasting人工神经网络 (ANN) 和支持向量机 (SVM) 在股票预测中的综合比较研究
PREAI
分享收藏An Analysis of Machine Learning for Detecting Depression, Anxiety, and Stress of Recovered COVID-19 Patients《机器学习在检测康复期COVID-19患者抑郁、焦虑和压力中的应用分析》
OAAI
OAAI分享收藏Quadratic Kernel-Free Least Square Twin Support Vector Machine for Binary Classification Problems
PREAI
分享收藏Unsupervised quadratic surface support vector machine with application to credit risk assessment
PREAI
分享收藏分享收藏
查看更多内容