Sequential minimal optimization for SVM with pinball loss
Sequential minimal optimization for SVM with pinball loss
复制标题
具有 pinball 损失的 SVM 的顺序最小优化
DOI：
10.1016/j.neucom.2014.08.033
复制
发表时间：
2015-02
期刊：
影响因子：
6
通讯作者：
Johan A.K. Suykens
中科院分区：
文献类型：
--
作者：
Xiaolin Huang;Lei Shi;Johan A.K. Suykens
为了追求对特征噪声的不敏感性和对重采样的稳定性，将经典支持向量机中的铰链损失替换为弹球损失，建立了一种新的支持向量机，称为apin-SVM。虽然使用了不同的损失函数，但pin-SVM具有与经典SVM相似的结构。具体地说，pin-SVM的对偶问题是一个带有框约束的二次规划问题，序列最小优化（SMO）技术是适用的。在本文中，我们建立SMO算法的pin-SVM及其稀疏版本。在真实数据集上的数值实验表明了pin-SVM的良好性能和SMO方法的有效性。
To pursue the insensitivity to feature noise and the stability to re-sampling, a new type of support vector machine (SVM) has been established via replacing the hinge loss in the classical SVM by the pinball loss and was hence called apin-SVM. Though a different loss function is used, pin-SVM has a similar structure as the classical SVM. Specifically, the dual problem of pin-SVM is a quadratic programming problem with box constraints, for which the sequential minimal optimization (SMO) technique is applicable. In this paper, we establish SMO algorithms for pin-SVM and its sparse version. The numerical experiments on real-life data sets illustrate both the good performance of pin-SVMs and the effectiveness of the established SMO methods.
登录
查看更多内容
影响因子：
3.7
作者：
J. Jurečková
通讯作者：
J. Jurečková
影响因子：
7.5
作者：
Keerthi, SS;Gilbert, EG
通讯作者：
Gilbert, EG
影响因子：
1.5
作者：
Steinwart, Ingo;Christmann, Andreas
通讯作者：
Christmann, Andreas
DOI：
--
发表时间：
2006-12
期刊：
J. Mach. Learn. Res.
影响因子：
--
作者：
D. Hush;P. Kelly;C. Scovel;Ingo Steinwart
通讯作者：
D. Hush;P. Kelly;C. Scovel;Ingo Steinwart
DOI：
--
发表时间：
2005-12
期刊：
J. Mach. Learn. Res.
影响因子：
--
作者：
Rong-En Fan;Pai-Hsuen Chen;Chih-Jen Lin
通讯作者：
Rong-En Fan;Pai-Hsuen Chen;Chih-Jen Lin