A mixed quadratic programming model for a robust support vector machine

Descripción del Articulo

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 allowfor imperfect classification. However, if the training data have systematic errors or outliers s...

Descripción completa

Detalles Bibliográficos
Autores: Serna-Diaz, Raquel, Santos Leite, Raimundo, S. Silva, Paulo J.
Formato: artículo
Fecha de Publicación:2021
Institución:Universidad Nacional de Trujillo
Repositorio:Revistas - Universidad Nacional de Trujillo
Lenguaje:inglés
OAI Identifier:oai:ojs.revistas.unitru.edu.pe:article/4531
Enlace del recurso:https://revistas.unitru.edu.pe/index.php/SSMM/article/view/4531
Nivel de acceso:acceso abierto
Materia:MSV
Optimización cuadrática entera
Errores
Clasificación
SVM
Mixed integer quadratic programming
Outliers
Classification
id REVUNITRU_48e079091698759d179596f8e20dce28
oai_identifier_str oai:ojs.revistas.unitru.edu.pe:article/4531
network_acronym_str REVUNITRU
network_name_str Revistas - Universidad Nacional de Trujillo
repository_id_str
spelling A mixed quadratic programming model for a robust support vector machineUn modelo de programación cuadrática mixta para una máquina de soporte vectorial robustaSerna-Diaz, RaquelSantos Leite, RaimundoS. Silva, Paulo J.MSVOptimización cuadrática enteraErroresClasificaciónSVMMixed integer quadratic programmingOutliersClassificationSupport 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 allowfor 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.Las máquinas de soporte vectorial son ampliamente usadas para resolver problemas de clasificación en el área de reconocimiento de patrones. Ellas tratan con pequeñas cantidades de errores utilizando el concepto de margen suave, dado que permite una clasificación imperfecta. Sin embargo, si los datos de entrenamiento tienen errores sistemáticos o valores atípicos, tal estrategia no es sólida resultando en una mala generalización. En este artículo presentamos un modelo robusto de clasificación de máquinas de soporte vectorial que hace posible ignorar aitomaticamente datos espurios Seguidamente mostramos que el modelo se puede resolver utilizando un software de alto rendimiento para programación cuadrática entera y se presentan experimentos numéricos que utilizan datos del mundo real que parecen prometedores.National University of Trujillo - Academic Department of Mathematics2021-07-29info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionapplication/pdfhttps://revistas.unitru.edu.pe/index.php/SSMM/article/view/4531Selecciones Matemáticas; Vol. 8 No. 01 (2021): January-July; 27-36Selecciones Matemáticas; Vol. 8 Núm. 01 (2021): Enero-Julio; 27-36Selecciones Matemáticas; v. 8 n. 01 (2021): Janeiro-julho; 27-362411-1783reponame:Revistas - Universidad Nacional de Trujilloinstname:Universidad Nacional de Trujilloinstacron:UNITRUenghttps://revistas.unitru.edu.pe/index.php/SSMM/article/view/4531/4867https://creativecommons.org/licenses/by/4.0info:eu-repo/semantics/openAccessoai:ojs.revistas.unitru.edu.pe:article/45312022-06-18T03:35:40Z
dc.title.none.fl_str_mv A mixed quadratic programming model for a robust support vector machine
Un modelo de programación cuadrática mixta para una máquina de soporte vectorial robusta
title A mixed quadratic programming model for a robust support vector machine
spellingShingle A mixed quadratic programming model for a robust support vector machine
Serna-Diaz, Raquel
MSV
Optimización cuadrática entera
Errores
Clasificación
SVM
Mixed integer quadratic programming
Outliers
Classification
title_short A mixed quadratic programming model for a robust support vector machine
title_full A mixed quadratic programming model for a robust support vector machine
title_fullStr A mixed quadratic programming model for a robust support vector machine
title_full_unstemmed A mixed quadratic programming model for a robust support vector machine
title_sort A mixed quadratic programming model for a robust support vector machine
dc.creator.none.fl_str_mv Serna-Diaz, Raquel
Santos Leite, Raimundo
S. Silva, Paulo J.
author Serna-Diaz, Raquel
author_facet Serna-Diaz, Raquel
Santos Leite, Raimundo
S. Silva, Paulo J.
author_role author
author2 Santos Leite, Raimundo
S. Silva, Paulo J.
author2_role author
author
dc.subject.none.fl_str_mv MSV
Optimización cuadrática entera
Errores
Clasificación
SVM
Mixed integer quadratic programming
Outliers
Classification
topic MSV
Optimización cuadrática entera
Errores
Clasificación
SVM
Mixed integer quadratic programming
Outliers
Classification
description 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 allowfor 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.
publishDate 2021
dc.date.none.fl_str_mv 2021-07-29
dc.type.none.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
format article
status_str publishedVersion
dc.identifier.none.fl_str_mv https://revistas.unitru.edu.pe/index.php/SSMM/article/view/4531
url https://revistas.unitru.edu.pe/index.php/SSMM/article/view/4531
dc.language.none.fl_str_mv eng
language eng
dc.relation.none.fl_str_mv https://revistas.unitru.edu.pe/index.php/SSMM/article/view/4531/4867
dc.rights.none.fl_str_mv https://creativecommons.org/licenses/by/4.0
info:eu-repo/semantics/openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by/4.0
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv National University of Trujillo - Academic Department of Mathematics
publisher.none.fl_str_mv National University of Trujillo - Academic Department of Mathematics
dc.source.none.fl_str_mv Selecciones Matemáticas; Vol. 8 No. 01 (2021): January-July; 27-36
Selecciones Matemáticas; Vol. 8 Núm. 01 (2021): Enero-Julio; 27-36
Selecciones Matemáticas; v. 8 n. 01 (2021): Janeiro-julho; 27-36
2411-1783
reponame:Revistas - Universidad Nacional de Trujillo
instname:Universidad Nacional de Trujillo
instacron:UNITRU
instname_str Universidad Nacional de Trujillo
instacron_str UNITRU
institution UNITRU
reponame_str Revistas - Universidad Nacional de Trujillo
collection Revistas - Universidad Nacional de Trujillo
repository.name.fl_str_mv
repository.mail.fl_str_mv
_version_ 1847155316489191424
score 13.098175
A mixed quadratic programming model for a robust support vector machine
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).

Ejemplares Similares