并行SMO改进算法的研究与实现

• 作者: 李华鹏 李锐妍
• 来源期刊: 计算机工程与设计
• 学科: 工学
• 关键词: 支持向量机 序列最小优化 工作集 修剪 并行算法
• 年，卷（期）: 2009,（22）
• 所属期刊栏目: 人工智能
• 页码范围: 5162-5165
• 页数: 4页
• 分类号: TP301.6
• 字数: 4103字
• 语种: 中文

摘要

针对支持向量机SMO训练算法在遇到大规模问题时训练过慢的问题,提出了一种改进的工作集选择模型的并行算法.在该算法中,根据支持向量机训练过程中的特点,提出了限定工作集选择次数、工作集选择的过程中跳过稳定样本的策略.对该SMO算法进行并行训练,3组著名数据集的实验结果表明,该模型在保持精度的情况下,进一步提高了训练的速度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李华鹏	上海大学计算机工程与科学学院	2	7	1.0	2.0
2	李锐妍	上海大学计算机工程与科学学院	1	7	1.0	1.0