一种具有最优收敛速度的正则化境面下降算法

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

摘要：Pegasos算法是求解大规模支持向量机问题的有效方法，在随机梯度下降过程中植入多阶段循环步骤，能使该算法得到最优的收敛速度O（1／T）。COMID算法是由镜面下降算法推广得到的正则化随机形式，可保证正则化项的结构，但对于强凸的优化问题，该算法的收敛速度仅为O（logT／T）。为此，在COMID算法中引入多阶段循环步骤，提出一种求解L1＋L2混合正则化项问题的最优正则化镜面下降算法，证明其具有最优的收敛速度O（1／7），以及与COMID算法相同的稀疏性。在大规模数据库上的实验结果验证了理论分析的正确性和所提算法的有效性。

原文链接:http://www.cqvip.com//QK/95200X/201406/50016401.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：正则化 支持向量机 cqvip HTML 学术交流 机器学习 在线学习 随机优化 稀疏性 收敛速度