训练结构化支持向量机的优化切平面法 (2013年)

结构化支持向量机是机器学习中描述结构化输出问题的一种新模型，对其进行训练是一个典型的非光滑凸优化问题，最常用的训练算法是切平面法?切平面法中原问题的目标函数往往会发生振荡，因此一般需要加入线搜索环节?但是还没有针对结构化支持向量机的高效的线搜索方法?该文提出了一种优化的切平面法，通过二次插值来进行近似线搜索，并将其应用到结构化支持向量机的训练中?在多类分类上的实验表明:该算法的迭代次数接近精确线搜索，而每次迭代的计算量保持不变?在序列分类上的实验表明:该算法在训练其他复杂类型的结构化支持向量机时仍然比当前