Resumen

La solución de las máquinas de vectores de soporte de mínimos cuadrados (LS-SVMs) se caracteriza por un sistema lineal específico, es decir, un sistema de punto de silla. Se han propuesto enfoques para su solución numérica, como los métodos de conjugado Sykens y Vandewalle (1999) y los métodos de espacio nulo Chu et al. (2005). Para acelerar la solución de LS-SVM, este artículo emplea el método de residuo mínimo (MINRES) para resolver directamente el sistema de punto de silla mencionado anteriormente. El análisis teórico indica que el método MINRES es más eficiente que el método de gradiente conjugado y el método de espacio nulo para resolver el sistema de punto de silla. Experimentos en conjuntos de datos de referencia muestran que, en comparación con los algoritmos principales para LS-SVM, el enfoque propuesto reduce significativamente el tiempo de entrenamiento y mantiene una precisión comparable. Para ilustrar, la LS-SVM basada en el método MINRES se utiliza para seguir un problema práct

• Materias:Modelado matemático Sistemas estocásticos Productos gráficos Ecuaciones matriciales Métodos de descomposición
• Subjects:Mathematical modeling Stochastic systems Graph products Matrix equations Decomposition methods
• Palabras claves:Sistema de punto de silla; LS-SVM; Método MINRES; Soluciones numéricas; Reducción de características; Selección de modelo
• Keywords:Saddle point system; LS-SVM; MINRES method; Numerical solutions; Feature reduction; Model selection