用LDLT并行分解优化大规模SVM的训练效率

• 作者: 徐燕子 覃华
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 大规模支持向量机 路径跟踪内点法 矩阵 LDLT 并行分解
• 年，卷（期）: 2011,（12）
• 所属期刊栏目: 图形、图像、模式识别
• 页码范围: 200-202,212
• 分类号: TP311
• 字数: 3870字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2011.12.056

摘要

支持向量机在大规模训练集上学习时,存在学习时间长、泛化能力下降的问题.研究使用路径跟踪内点法构建面向大规模训练集的 SVM 学习算法,找到影响算法学习效率的关键是求解大型线性修正方程,首先使用降维法降低修正方程的维数,再使用矩阵 LDL<'T> 并行分解高效地求解子修正方程,达到优化大规模 SVM 学习效率的目的,实验结果说明 SVM 训练效率提升的同时不影响 SVM 模型的泛化能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	覃华	广西大学计算机与信息工程学院	52	334	11.0	15.0
2	徐燕子	广西大学计算机与信息工程学院	4	12	2.0	3.0