Use este identificador para citar ou linkar para este item:
http://www.repositorio.ufop.br/jspui/handle/123456789/16117
Título: | A mixed quadratic programming model for a robust support vector machine. |
Autor(es): | Serna Diaz, Raquel Leite, Raimundo Santos Silva, Paulo José da Silva e |
Palavras-chave: | Mixed integer quadratic programming Outliers Classification |
Data do documento: | 2021 |
Referência: | SERNA DIAZ, R.; LEITE, R. S.; SILVA, P. J. da S. e. A mixed quadratic programming model for a robust support vector machine. Selecciones Matematicas, v. 8, n. 1, p. 27-36, 2021. Disponível em: <https://www.ime.unicamp.br/~pjssilva/papers/robust/>. Acesso em: 06 jul. 2022. |
Resumo: | Support Vector Machines are extensively used to solve classification problems in Pattern Recognition. They deal with small errors in the training data using the concept of soft margin, that allow for imperfect classification. However, if the training data have systematic errors or outliers such strategy is not robust resulting in bad generalization. In this paper we present a model for robust Support Vector Machine classification that can automatically ignore spurius data. We show then that the model can be solved using a high performance Mixed Integer Quadratic Programming solver and present preliminary numerical experiments using real world data that looks promissing. |
URI: | http://www.repositorio.ufop.br/jspui/handle/123456789/16117 |
DOI: | https://dx.doi.org/10.17268/sel.mat.2021.01.03 |
ISSN: | 2411-1783 |
Licença: | This work is licensed under the Creative Commons - Attribution 4.0 International (CC BY 4.0). Fonte: o PDF do artigo. |
Aparece nas coleções: | DEMAT - Artigos publicados em periódicos |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
ARTIGO_MixedQuadraticProgramming.pdf | 546,15 kB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.