一種處理帶有對稱多面體擾動數(shù)據(jù)的支持向量機算法.pdf

1、近年來，支持向量機(SVM)的理論已經(jīng)取得重大進展，其算法實現(xiàn)策略以及實際應用也發(fā)展迅速?？梢源_信，該技術的研究已發(fā)展成為機器學習中一個獨立的子領域，在理論和實踐兩方面都有著光明的前景。SVM的理論體系涵蓋的對象極為廣泛，包括對偶表示、特征空間、學習理論、優(yōu)化理論和算法等。
　　 標準支持向量機的求解屬于二次規(guī)劃問題。通常情況下，我們實際上假定了問題所給定的數(shù)據(jù)是精確的，而忽略了數(shù)據(jù)擾動對于問題解的存在性和最優(yōu)性的影響。當數(shù)據(jù)帶

2、有擾動時我們仍然用通常的優(yōu)化模型來處理，產(chǎn)生的最優(yōu)解很可能違反關鍵的約束且是從目標函數(shù)值來講的劣解。
　　 因此，本文以標準支持向量分類機為基礎，對目前較流行的支持向量機算法的特點（包括C-支持向量機、V-支持向量機、限定C-支持向量機、限定-V支持向量機）現(xiàn)有的支持向量機的各種變形形式進行了討論。以限定v支持向量機為基礎，分別從無監(jiān)督和半監(jiān)督兩個方面，針對數(shù)據(jù)帶有對稱多面體擾動的問題，利用半定規(guī)劃將擾動后的矩陣變量進行變換，通