支持向量机的凸优化求解

摘要：

支持向量机(SVM)是一种基于统计学习理论的机器学习方法,由于其优越的学习性能,已经成为当前模式识别、数据挖掘、大数据处理等机器学习领域的研究热点.查阅相关同类文章,发现其中对SVM理论中公式,如距离函数d、拉格朗日函数L(w,b,α)、二次凸优化函数f(x)等的来龙去脉缺少细致的阐述.本文对SVM理论中典型的线性最优二分类问题的求解进行了完整的推导,并给出了对岩屑岩性分类识别的结果,也为今后的非线性多类模式分解作出铺垫.

关键词：支持向量机、模式识别、凸优化、线性分类

所属期刊栏目：53

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金青年科学基金11401405

在线出版日期：2016-09-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：781-787