搜索到368篇“ 序列最小优化“的相关文章
- 基于二阶序列最小优化的最小闭包球近似算法被引量：1
- 2022年
- 对求解大规模高维数据集的最小闭包球问题进行研究。基于机器学习中训练支持向量机的序列最小优化(Sequential Minimal Optimization,SMO)算法,提出一种近似计算最小闭包球的二阶SMO-型算法。利用Lagrangian对偶函数的二阶泰勒展开式计算新的工作集,每次迭代只更新工作集所对应可行解的两个分量,构造新的可行解,并建立二阶SMO-型算法的多项式时间复杂度。数值实验结果表明,对于大规模高维数据集,二阶SMO-型算法比一阶SMO-型算法运行速度更快,尤其结合了加速技术的二阶SMO-型算法计算效率更高。
- 丛伟杰王佳佳安梦园
- 基于序列最小优化的SIFT特征提取与匹配算法被引量：5
- 2019年
- SIFT是特征提取与匹配技术中的一种有效的方法,具有较好的稳定性,以及旋转和尺度不变特性。但是SIFT特征提取与匹配的维数较高,且存在较大的误匹配率,影响双目立体视觉SLAM的实时性和准确率。为此,提出SMO-SIFT算法,对原SIFT进行欧氏距离比值的阈值选取进行粗匹配,再结合支持向量机的SMO算法,改进SIFT算法中的特征匹配算子。MATLAB仿真表明SMO-SIFT算法降低了算法的维数,改善了特征提取的实时性,同时提高了算法精确度,比较适合应用于双目立体视觉SLAM中。
- 廖小飞庄新闯公维涛陈建军
- 关键词：尺度不变特征转换特征提取与匹配序列最小优化
- 一种分数阶序列最小优化算法
- 本发明公开了一种分数阶序列最小优化算法，所述方法包括步骤：将支持向量机最优化问题进行化简；根据分数阶微积分的定义，求分数阶导数；将分数阶导数代入支持向量机最优化问题中得到目标函数的分数阶表达式；进一步计算，得到更新值计算...
- 代立才赵春娜刘亚南
- 支持向量机中序列最小优化算法的分数阶拓展
- 支持向量机是机器学习研究领域的一个热门课题,它在解决非线性问题、维数灾难问题、局部最小问题等方面具有的优越性,能够克服传统机器学习的局限性。支持向量机最初用来解决分类问题,随着人们研究的不断深入,现在已经广泛应用于回归分...
- 代立才
- 关键词：支持向量机分数阶LIBSVM
- 一种基于序列最小优化算法的跨站脚本漏洞检测技术被引量：5
- 2017年
- 当攻击者使用Web应用程序将恶意代码注入不同的终端用户时,就会发生跨站脚本攻击。文章针对Web应用程序使用用户输入的数据,而不对其进行验证或编码的现象,提出一种基于正则表达式匹配算法和序列最小优化算法的递归特征消除算法(SMO-RFE)。首先对数据进行预处理,采用正则表达式匹配算法,为训练集选择有代表性的特征数据集;其次利用SMO-RFE特征选择算法选择出最优特征;再次对具有攻击性的关键词进行特征排序和组合;最后总结特征关键字的出现频率以及特征值权重比例。攻击关键字出现的频率越高,漏洞存在的可能性就越大。实验验证发现,数据集通过SMO-RFE算法选择之后,SVM特征向量被检测的准确率更高,充分说明该算法能够有效地检测跨站脚本漏洞。
- 黄娜娜万良邓烜堃易辉凡
- 关键词：跨站脚本攻击特征值信息安全
- 序列最小优化工作集选择算法的改进
- 2013年
- 序列最小化算法(SMO)是支持向量机重要的常用分解方法。而工作集的选择是实现序列最小优化算法的关键。通过重写KKT条件,提出了一种改进的新工作集选择方法,并相应提出最小化步骤。通过将改进的支持向量机方法应用于网络用户行为数据的分析,与现有方法进行对比测试,验证了新工作集选择方法将减少支持向量机的学习时间并加快收敛过程,改进的支持向量机方法在运行效率和准确度上都有不同程度的提高。
- 左琳
- 关键词：KKT条件序列最小优化支持向量机
- 一种改进的支持向量机序列最小优化算法被引量：6
- 2013年
- 提出一种改进的序列最小优化算法,它在选取工作集时选取优化步长最大的违反KKT条件的样本和其配对样本,并且对求解过程进行简化,从而使训练过程速度更快。实验表明,该算法是有效、可行的。
- 王越吕奇峰王泉曾晶
- 关键词：支持向量机序列最小优化
- 准线性支持向量机及其序列最小优化算法
- 本文介绍了准线性支持向量机的理论，并提出了一种改进的序列最小优化算法来用于准线性支持向量机的训练。准线性支持向量机是具有准线性核函数的支持向量机，通过恰当地调整准线性核函数的构成，可以防止机器学习中的过学习问题。当训练数...
- 张宏灏
- 优化极限学习机的序列最小优化方法被引量：18
- 2011年
- 针对传统二次规划求解方法训练优化极限学习机(OMELM)存在速度慢和效率低的问题,提出了单变量迭代序列最小优化(SSMO)算法.该算法通过在框式约束中优化拉格朗日乘子来实现目标函数的最小化:首先在初始化拉格朗日乘子中选择使目标函数值下降最大的拉格朗日乘子,将该拉格朗日乘子作为目标函数的唯一变量;然后求解目标函数的最小值并更新该变量的值;重复这个过程直到所有的拉格朗日乘子都满足二次规划问题的Karush-Kuhn-Tucker条件为止.实验结果表明:SSMO算法只需调节很少的参数值便可得到足够好的泛化性能;采用SSMO算法的OMELM方法在泛化性能上要好于采用序列最小优化算法的支持向量机方法;在随机数据集测试中,SSMO算法具有较好的鲁棒性.
- 丁晓剑赵银亮
- 关键词：极限学习机支持向量机序列最小优化
- 基于取样的潜在支持向量机序列最小优化算法被引量：1
- 2011年
- 为了提高潜在支持向量机求解大规模问题的训练速度,提出了基于样本取样的潜在支持向量机序列最小优化算法,去掉了大部分非支持向量,把支持向量逐渐压缩到取样样本集中.此算法特别适合大样本数据且支持向量个数相对较少的情况.实验表明,改进的序列最小优化算法加速了潜在支持向量机分类器训练时间.
- 鲁淑霞曹贵恩孟洁王华超
- 关键词：序列最小优化
相关作者
- 周倩
- 作品数：16被引量：31H指数：4
- 供职机构：华北电力大学
- 研究主题：序列最小优化 电力负荷预测 负荷预测 经验模态分解 短期负荷预测
- 韩璞
- 作品数：434被引量：2,746H指数：28
- 供职机构：南阳理工学院
- 研究主题：神经网络 PID控制 预测控制 火电厂 热工过程
- 翟永杰
- 作品数：287被引量：1,393H指数：20
- 供职机构：华北电力大学控制与计算机工程学院自动化系
- 研究主题：绝缘子 目标检测 输电线路 支持向量机 航拍图像
- 朱齐丹
- 作品数：238被引量：1,192H指数：16
- 供职机构：哈尔滨工程大学自动化学院
- 研究主题：舰载机 移动机器人 机器人 全景视觉 机械臂
- 邢卓异
- 作品数：17被引量：53H指数：4
- 供职机构：哈尔滨工程大学自动化学院
- 研究主题：改进学习算法 控制研究 LQR 二级倒立摆 极点配置
