论文部分内容阅读
机器学习、模式识别、数据挖掘等领域中的输入模式常常是高阶张量．文中首先从向量模式推广到张量模式，提出弹球支持张量机模型．然后给出求解弹球支持张量机模型的序贯最小优化算法（SMO）．为了保持张量的自然结构信息，同时加速训练过程，采用张量的秩．1分解代替原始张量计算张量内积．在向量数据和张量数据上进行的大量实验表明：对于向量数据，相比经典的积极集法，SMO的计算速度更快；对于张量数据，相比弹球支持向量机，弹球支持张量机具有更快的训练速度和更好的泛化能力．