论文部分内容阅读
支持向量机是基于统计学习理论的结构风险最小化原理提出来的一种新的学习算法,它把模式识别问题建模为一个简单约束的高维二次规划问题.利用Lagrangian对偶方法,把求解二次规划等价为求解低维的无约束不可微优化问题.提出极小化一个严格凸的熵函数来处理不可微问题,得到原二次规划的扰动问题的最优解.数据仿真结果表明该算法在低存储需求下有效提高了大数据量问题的训练学习速度.