p范数正则化支持向量机分类算法_刘建伟

《p范数正则化支持向量机分类算法_刘建伟》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第38卷第1期自动化学报Vol.38,No.12012年1月ACTAAUTOMATICASINICAJanuary,2012p范数正则化支持向量机分类算法刘建伟1李双成1罗雄麟1摘要L2范数罚支持向量机(Supportvectormachine,SVM)是目前使用最广泛的分类器算法之一,同时实现特征选择和分类器构造的L1范数和L0范数罚SVM算法也已经提出.但是,这两个方法中,正则化阶次都是事先给定,预设p=2或p=1.而我们的实验研究显示,对于不同的数据,使用不同的正则化阶次,可以改进分类算法的预测准确率.本文提出p范数正则

2、化SVM分类器算法设计新模式,正则化范数的阶次p可取范围为0

3、ineviap-normRegularization111LIUJian-WeiLIShuang-ChengLUOXiong-LinAbstractTheL2penaltysupportvectormachine(SVM)algorithmisoneofthemostwidelyusedlearningalgorithms,meanwhileL1normandL0normpenaltysupportvectormachineshavebeendevised,whichachievesimultaneouslyfeaturese

4、lectionandclassi¯erconstruction.However,inbothmethods,theregularizationparameterispredetermined,i.e.,thedefaultp=2orp=1.Ourexperimentalstudyshowsthatdi®erentdata,usingadi®erentregularizationoforder,canimprovepredictionaccuracyoftheclassi¯cationalgorithm.Inthispaper,

5、newclassi¯erdesignpatternofSVMbasedonp-normregularizationisproposed,where0

6、performanceofclassi¯cationandfeatureselectiononrealdatasetsindicatethatthedevisedalgorithmisbetterthanL2-norm,L1-norm,andL0-normSVM.KeywordsIterativereweightedmethod,p-norm(0

7、setVapnik等提出的支持向量机(Supportvector法中罚函数为分数范数Lp,0

8、成复够在不同的数据集上,求解分类准确率最优的正则01合罚函数的SVM分类和回归算法[7],同时提出根化范数的阶次,并实现0