梁万路
- 作品数：5 被引量：18H指数：3
- 供职机构：中国人民解放军炮兵学院更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术兵器科学与技术军事更多>>
- 一种基于FoBa算法思想的支持向量机稀疏SMO算法研究
- 2011年
- 目前的支持向量机解析方法,如SMO算法在一定程度上解决传统支持向量机实现方法需要高额存储空间的问题,而对支持向量数目的约减并未过多关注,算法的稀疏性有待进一步提高。该文将FoBa算法对特征进行约减的思想引入SMO算法中,对训练产生的作用甚微的支持向量进行约减,提出了稀疏SMO算法。实验结果表明算法在提高预测速度上具有一定的竞争力。
- 梁万路
- 关键词：支持向量机SMO算法
- 一种新的炮兵装备维修资源优化配置模型被引量：4
- 2010年
- 文章从炮兵装备维修系统的投入产出效率出发,针对文献[4]中资源配置模型的缺点,提出采用锥结构的资源配置双目标DEA模型,并证明了双目标DEA在提高效率方面优于单目标DEA模型的性质,建立了炮兵装备维修资源优化配置模型,最后,通过对一个算例的具体分析表明,利用文中引入的锥结构双目标DEA模型可以对装备维修资源进行统筹安排和合理配置。
- 胡贵安倪敏梁万路
- 关键词：数据包络分析精确化保障资源优化
- L1正则化机器学习问题求解分析被引量：11
- 2011年
- 以稀疏学习为主线,从多阶段、多步骤优化思想的角度出发,对当前流行的L1正则化求解算法进行分类,比较基于次梯度的多步骤方法、基于坐标优化的多阶段方法,以及软L1正则化方法的收敛性能、时空复杂度和解的稀疏程度。分析表明,基于机器学习问题特殊结构的学习算法可以获得较好的稀疏性和较快的收敛速度。
- 孔康汪群山梁万路
- 关键词：L1正则化稀疏性
- 加权边缘损失函数的代价敏感支持向量机被引量：3
- 2011年
- 已有的非平衡数据分类算法主要采取直接对损失函数进行加权的方法.文中提出一种加权边缘的hinge损失函数并证明它的贝叶斯一致性,得到加权边缘支持向量机算法(WMSVM),并给出类似于SMO的求解方法.实验结果表明WMSVM在一些数据库上是有效的,从而从理论和实验上说明基于加权边缘的损失函数方法是已有代价敏感方法的一种较好补充.
- 陶卿梁万路孔康汪群山
- 关键词：支持向量机
- 代价敏感支持向量机的投影次梯度求解方法
- 2011年
- 针对传统的分类算法以及精度作为评价指标不能够满足现实分类问题的需要,将代价敏感方法引入支持向量机中,提出一种新的学习算法CSSVM,并得到了类似于Pegasos的投影次梯度求解方法,用于大规模数据的处理。Pegasos的步骤包括初始化、迭代、确定梯度下降的步长、确定梯度下降方向、更新、投影和结束。实验结果表明,该算法能有效提高识别率和识别精度,具有一定的竞争力。
- 梁万路
- 关键词：不均衡数据支持向量机大规模数据
