一种训练支撑向量机的改进贯序最小优化算法

• 作者: 孙剑 张志华 郑南宁
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 支撑向量机 模式分类 二次规划 缓存策略 贯序最小优化算法
• 年，卷（期）: 2002,（10）
• 页码范围: 2007-2013
• 页数: 7页
• 分类号: TP181
• 字数: 6384字
• 语种: 中文

摘要

对于大规模问题,分解方法是训练支撑向量机主要的一类方法.在很多分类问题中,有相当比例的支撑向量对应的拉格朗日乘子达到惩罚上界,而且在训练过程中到达上界的拉格朗日乘子变化平稳.利用这一统计特性,提出了一种有效的缓存策略来加速这类分解方法,并将其具体应用于Platt的贯序最小优化(sequential minimization optimization,简称SMO) 算法中.实验结果表明,改进后的SMO算法的速度是原有算法训练的2~3倍.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张志华	西安交通大学人工智能与机器人研究所	11	335	8.0	11.0
2	郑南宁	西安交通大学人工智能与机器人研究所	188	3039	29.0	46.0
3	孙剑	西安交通大学人工智能与机器人研究所	13	338	7.0	13.0