论文部分内容阅读
有效地减少支持向量数目能够提高分类器的鲁棒性和精确性，缩短支持向量机（supportvectorITIachine，SVM）的训练和测试时间．在众多稀疏算法中，截断Hinge损失方法可以显著降低支持向量的数目，但却导致了非凸优化问题．一些研究者使用CCCP（concave—convexprocedure）方法将非凸问题转化为多阶段凸问题求解，不仅增加了额外计算量，而且只能得到局部最优解．为了弥补上述不足，提出了一种基于CCCP的软阈值坐标下降算法．用坐标下降方法求解CCCP子阶段凸问题，提高计算效率；对偶