一种快速且鲁棒的TSVM用于模式分类
机器学习
2019-07-30 v3
摘要
双支持向量机（TSVM）通过求解一对较小的 SVM 类问题而成为一种强大的学习算法。然而，在面对某些实际应用时，仍存在效率低和鲁棒性弱等具体问题。本文中，我们提出一种快速且鲁棒的 TSVM（FR-TSVM）来处理上述问题。为减轻噪声输入的影响，我们提出一种有效的模糊隶属度函数并重新表述 TSVM，使得不同输入样本对分离超平面学习的贡献不同。为进一步加速训练过程，我们开发了一种带收缩的高效坐标下降算法来求解所涉及的一对二次规划问题（QPPs）。此外，对所提模型的理论基础进行了详细分析。在若干人工和基准数据集上的实验结果表明，FR-TSVM 不仅获得了快速的学习速度，而且展现出鲁棒的分类性能。代码已发布于：https://github.com/gaobb/FR-TSVM。
引用
@article{arxiv.1711.05406,
title = {A Fast and Robust TSVM for Pattern Classification},
author = {Bin-Bin Gao and Jian-Jun Wang},
journal= {arXiv preprint arXiv:1711.05406},
year = {2019}
}
备注
14 pages, Under Review