160.txt

This complete matlab for neural network

发信人: fpzh (fpzh), 信区: DataMining
标  题: SVM：关于Osuna算法（定理）的一点疑问
发信站: 南京大学小百合站 (Wed Dec  4 10:04:30 2002), 站内信件

Edgar Osuna et al, An Improved Training Algorithm for Support Vector Machine
s

这篇文章中的定理2说，将集合N（非工作集）中的违反KT条件的一个点和工作集B中的一
个点对换，新的子问题优化后，目标函数会有一个严格的improvement，因为目标函数是
求最小，所以这样下去目标函数会严格递减。

目标函数严格递减是没有问题的，我不明白的是，这种递减的程度有多大。比如，开始
与全局真实最优的差距为0.5，第一次改进为0.1，第二次改进为0.01，第三次改进为0.
001……，依此类推，这样它永远也收敛不到全局真实最优值。

或许现实世界中这种情况不存在，但是对于这个improvement，有没有一个严格的界呢，
比如每次改进目标函数至少减少0.01

这种想法可能有些幼稚，请大家多指教

--
※ 来源:．南京大学小百合站 bbs.nju.edu.cn．[FROM: 202.113.12.191]