基于改进的共轭梯度算法实现的最小二乘隐空间支持向量机

王玮; 娄莉

Chinese

您当前的位置：

首页 >

文章列表页 >

基于改进的共轭梯度算法实现的最小二乘隐空间支持向量机

更新时间：2026-09-04

- 基于改进的共轭梯度算法实现的最小二乘隐空间支持向量机
- The Implementation of Least Squares Hidden Space Support Vector Machines Based on Improved Conjugate Gradient Algorithm
- 微电子学与计算机 2012年29卷第12期页码：99-102
- 作者机构：
  
  西安石油大学机构计算机学院,陕西,西安,710065
- 作者简介：
- 基金信息：
  
  陕西省自然科学基金基础研究项目(2012JM8037,2010JM8032)陕西省教育厅科学研究计划项目(2010JK772)
- DOI：
  中图分类号：
- 纸质出版：2012
- 稿件说明：
移动端阅览
王玮, 娄莉. 基于改进的共轭梯度算法实现的最小二乘隐空间支持向量机[J]. 微电子学与计算机, 2012, 29(12): 99-102.

WANG Wei, LOU Li. The Implementation of Least Squares Hidden Space Support Vector Machines Based on Improved Conjugate Gradient Algorithm[J]. 2012, 29(12): 99-102.
王玮, 娄莉. 基于改进的共轭梯度算法实现的最小二乘隐空间支持向量机[J]. 微电子学与计算机, 2012, 29(12): 99-102. DOI：

WANG Wei, LOU Li. The Implementation of Least Squares Hidden Space Support Vector Machines Based on Improved Conjugate Gradient Algorithm[J]. 2012, 29(12): 99-102. DOI：

摘要

本文研究了最小二乘隐空间支持向量机的优化问题.文中采用基于对称超松弛预处理技术改进共轭梯度算法

改进的共轭梯度算法只需求解一个阶数为l-1的线性代数方程组即可

大大节省了计算时间.最后将其应用于最小二乘隐空间支持向量机中建立数学模型

并通过实例验证了该算法的优越性.

Abstract

This research main focused on the improvement on Least Squares Hidden Space Support Vector Machines. Using Symmetric Successive Over-Relaxation technology to improve Conjugate Gradient Algorithm

it saves a lot of execution time costs for solving the system of linear algebraic equations with L-1 orders. At the end of this paper

the advantage of this improved algorithm is proved by applying it on mathematics modeling.

关键词

Keywords

references

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

超低功耗实时时钟电路的设计

注意力机制与改进密集卷积引导的信息隐藏模型

面向处理器分支预测单元的Spectre攻击轻量化防御方法

一种基于特征上下文理解与切片分析的肺结核检测算法

基于MSS-YOLO-MPHands融合架构的装配手部动作识别研究