一种广义弹性网络非平行支持向量机分类算法制造技术

针对模式识别中的两分类问题，本发明专利技术公开了一种广义弹性网络非平行支持向量机分类算法。本发明专利技术算法基于Lp‑模(0<p<1)度量构造非平行超平面；同时，引入广义弹性网络正则项以避免奇异性的同时提高算法稳定性。通过考虑任意范数下的距离度量与广义弹性网络正则项，模型对不同数据有自适应性，从而实现有效分类。本发明专利技术算法可以根据用户选择达到理想的鲁棒性；本发明专利技术求解过程中避免了奇异性问题；本发明专利技术实现了增强算法的泛化性能，控制了模型复杂度，提升了算法准确率；本发明专利技术的算法采用一系列严格凸优化对所提模型进行求解，从而得到有效算法。

【技术实现步骤摘要】
一种广义弹性网络非平行支持向量机分类算法
本专利技术属于模式识别领域，具体涉及一种广义弹性网络非平行支持向量机分类算法。
技术介绍
模式识别是指对信息进行处理分析、辨认和解释的过程，是信息科学和人工智能的重要组成部分，而分类是模式识别的核心任务之一。两分类问题是分类问题的基础，一般的多分类问题可转化为一系列两分类问题求解。作为有效的分类算法之一，支持向量机采用结构风险最小化原则并以统计学习理论为基础，较好地解决了高维数小样本问题，实现了非线性的自然推广，并具有良好的样本稀疏性。因此，支持向量机成功地应用于模式识别的众多领域，如手写体数字识别、人脸检测、文本分类、语音识别、信号处理等领域。以下是本领域内对该问题进行研究的一些文献：[1]CortesC,VapnikV.Support-vectornetworks.Machinelearning,1995,20(3):273-297；[2]MangasarianOL,WildEW.Multisurfaceproximalsupportvectormachineclassificationvi本文档来自技高网...

【技术保护点】
1.一种广义弹性网络非平行支持向量机分类算法，包括以下步骤：/n步骤一、输入训练数据集T＝{(x

【技术特征摘要】
20191125 CN 20191116296451.一种广义弹性网络非平行支持向量机分类算法，包括以下步骤：
步骤一、输入训练数据集T＝{(x1,y1),...,(xm,ym)}，其中xi∈Rn为第i个n维向量输入的样本点，yl∈{1,2}为第i个样本点所属类别，i＝1,...,m.设第1类样本点含m1个样本点，第2类样本点含m2个样本点，则m1+m2＝m。记第1类样本点构成的矩阵为第2类样本点构成的矩阵为且其中e是适当维数的所有分量均为1的列向量；
步骤二、输入正则项非负参数δ＞0和σ＞0，模参数p,q>0，停机准则ò＞0，最大迭代次数itmax；
步骤三、建立广义弹性网络非平行支持向量机分类模型：



其中是n+1维...

【专利技术属性】
技术研发人员：李春娜，邵元海，刘锯，滕佳颖，赵雨婷，
申请(专利权)人：海南大学，
类型：发明
国别省市：海南;46