摘要
本文在支持向量机模型背景下，研究了各类分解算法及其应用。用基准数据集对最重要的 SVMLight 算法和 SMO 算法进行训练，并对不同核函数的实验结果进行比较；同时探讨针对不同的优化问题，如何选取合适的核函数。分位数回归是统计学和机器学习中的重要研究问题。本文在非一致抽样分布下，研究基于高斯核的在线分位数算法。通过引入阈值 ? 到 P inball 损失函数产生算法的稀疏性，用 H o¨lder 对偶空间刻画抽样分布的非一致性，然后通过误差分解和迭代方法推导算法的收敛速度。这里并以中位数回归为例，探讨如何在算法中选取参数，平衡其稀疏性和收敛阶；同时也指明本文的背景和数学方法适用于一般分位数回归。
NETL