Classification Algorithm of Support Vector Machine via p-norm Regularization
Jianwei Liu, Shuangcheng Li, Xiong-Lin LUO · Acta Automatica Sinica · 2012
摘要: L2范数罚支持向量机(Support vector machine,SVM)是目前使用最广泛的分类器算法之一,同时实现特征选择和分类器构造的L1范数和L0范数罚SVM算法也已经提出.但是,这两个方法中,正则化阶次都是事先给定,预设p=2或p=1.而我们的实验研究显示,对于不同的数据,使用不同的正则化阶次,可以改进分类算法的预测准确率.本文提出p范数正则化SVM分类器算法设计新模式,正则化范数的阶次p可取范围为02范数罚SVM,L1范数罚SVM和L0范数罚SVM. 关键词: 迭代再权方法 / p范数(0 / 支持向量机 / 特征选择 / 稀疏化模型 / 高维小样本数据