大规模SVDD的坐标下降算法
Pattern Recognition and Artificial Intelligence(2012)
摘要
支持向量数据描述(SVDD)是一种无监督学习算法,在图像识别和信息安全等领域有重要应用.坐标下降方法是求解大规模分类问题的有效方法,具有简洁的操作流程和快速的收敛速率.文中针对大规模SVDD提出一种高效的对偶坐标下降算法,算法每步迭代的子问题都可获得解析解,并可使用加速策略和简便运算减少计算量.同时给出3种子问题的选择方法,并分析对比各自优劣.实验对仿真和真实大规模数据库进行算法验证.与LibSVDD相比,文中方法更具优势,1.4s求解105样本规模的ijcnn文本库.
更多查看译文
关键词
Closed-Form Solution,Support Vector Data Description(SVDD),Coordinate Descent,Convergence Speed
AI 理解论文
溯源树
样例
生成溯源树,研究论文发展脉络