回归支持向量机的改进序列最小优化学习算法

• 作者: 张浩然 韩正之
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 支持向量机 核方法 回归 序列最小优化
• 年，卷（期）: 2003,（12）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 2006-2013
• 页数: 8页
• 分类号: TP18
• 字数: 4392字
• 语种: 中文

摘要

支持向量机(support vector machine,简称SVM)是一种基于结构风险最小化原理的学习技术,也是一种新的具有很好泛化性能的回归方法,提出了实现回归支持向量机的一种改进的SMO(sequential minimal optimization)算法,给出了两变量子优化问题的解析解,设计了新的工作集选择方法和停止条件,仿真实例说明,所提出的SMO算法比原始SMO算法具有更快的运算速度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	韩正之	上海交通大学自动化系	114	2250	22.0	45.0
2	张浩然	上海交通大学自动化系	12	895	9.0	12.0