Gradient projection algorithms for optimization problems on convex sets and application to SVM
سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 71
فایل این مقاله در 19 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IJNAA-14-8_019
تاریخ نمایه سازی: 4 مهر 1402
چکیده مقاله:
In this paper, we present some gradient projection algorithms for solving optimization problems with a convex-constrained set. We derive the optimality condition when the convex set is a cone and under some mild assumptions, we prove the convergence of these algorithms. Finally, we apply them to quadratic problems arising in training support vector machines for the Wisconsin Diagnostic Breast Cancer (WDBC) classification problem.
کلیدواژه ها:
Optimization on convex cones ، projection algorithm ، generalized gradient projection algorithm ، Euler inequation ، quadratic optimization problem ، Lipschitz continuous gradient ، soft and hard dual SVM problem ، classification of breast cancer
نویسندگان
Radhia Bessi
The Laboratory of Mathematical Modelling and Numeric in Engineering Sciences, National Engineering School of Tunis, University of Tunis El Manar, Rue B\&#۰۳۹;echir Salem Belkhiria Campus Universitaire, B.P. ۳۷, ۱۰۰۲ Tunis Belvedere, Tunisia
Harouna Soumare
The Laboratory of Mathematical Modelling and Numeric in Engineering Sciences, National Engineering School of Tunis, University of Tunis El Manar, Rue Bechir Salem Belkhiria Campus universitaire, B.P. ۳۷, ۱۰۰۲ Tunis Belvédère,
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :