基于样本取样的SMO算法

• 作者: 宋执环 李平 范玉刚
• 来源期刊: 信息与控制
• 关键词: 机器学习 支持向量机 序贯最小优化 取样
• 年，卷（期）: 2004,（6）
• 所属期刊栏目: 论文与报告
• 页码范围: 665-669
• 页数: 5页
• 分类号: TP181
• 语种: 中文
• DOI: 10.3969/j.issn.1002-0411.2004.06.006

摘要

介绍了一种对样本集取样的方法,并在此基础上对序贯最小优化(sequential minimal optimization,SMO)算法进行了改进,提出了取样序贯最小优化(S-SMO)算法.S-SMO算法去掉了大部分非支持向量,将支持向量逐渐收集到工作集中.实验结果表明,该方法提高了SMO算法的性能,缩短了支持向量机分类器的训练时间.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李平	浙江大学工业控制技术研究所工业控制技术国家重点实验室	260	3720	30.0	50.0
2	宋执环	浙江大学工业控制技术研究所工业控制技术国家重点实验室	140	1808	23.0	36.0
3	范玉刚	浙江大学工业控制技术研究所工业控制技术国家重点实验室	2	43	2.0	2.0