摘要：邏輯回歸是經(jīng)典的分類方法,廣泛應用于數(shù)據(jù)挖掘、機器學習和計算機視覺.現(xiàn)研究帶有程。模約束的邏輯回歸問題.這類問題廣泛用于分類問題中的特征提取,且一般是NP-難的.為了求解這類問題,提出了嵌套BB(Barzilai and Borwein)算法的分裂增廣拉格朗日算法(SALM-BB).該算法在迭代中交替地求解一個無約束凸優(yōu)化問題和一個帶程。模約束的二次優(yōu)化問題.然后借助BB算法求解無約束凸優(yōu)化問題.通過簡單的等價變形直接得到帶程。模約束二次優(yōu)化問題的精確解,并且給出了算法的收斂性定理.最后通過數(shù)值實驗來測試SALM-BB算法對稀疏邏輯回歸問題的計算精確性.數(shù)據(jù)來源包括真實的UCI數(shù)據(jù)和模擬數(shù)據(jù).數(shù)值實驗表明,相對于一階算法SLEP,SALM-BB能夠得到更低的平均邏輯損失和錯分率.
注：因版權(quán)方要求，不能公開全文，如需全文，請咨詢雜志社
