Hestenes--Stiefel

开发了新的光谱共轭梯度算法，用于优化和分类

研究人员开发了一种新的光谱共轭梯度算法，该算法对经典的Hestenes--Stiefel方法进行了修改。这种新算法旨在保持抗干扰特性，同时确保足够的下降性质。它结合了从更新方案派生的改进的割线方程，从而实现了无记忆的BFGS更新。光谱参数经过调整，以便在最小二乘框架内与BFGS方向对齐，并在优化模型上进行了测试，并将其应用于支持向量机（SVM）的鲁棒二分类模型。