一种改进序贯最小优化算法的方法

• 作者: 喻莹 项堃
• 来源期刊: 现代电子技术
• 关键词: 支持向量机 序贯最小优化算法 去除无关向量 收缩工作集
• 年，卷（期）: 2013,（8）
• 页码范围: 17-19
• 分类号: TN911?34|TP312
• 语种: 中文

摘要

序贯最小优化算法(SMO)是支持向量机(SVM)训练算法中一种十分有效的改进方法,但针对大规模样本数据时,SMO训练速度仍比较慢.为了提高训练速度,在基本保持训练精度的前提下,提出了一种改进优化策略:即跳过部分与精度无关的向量集、提前结束循环、松弛KKT条件以便收缩工作集.经过几个著名的数据集的试验结果表明,此策略可以大幅缩短SMO的训练时间,并且精度没有明显变化.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	喻莹	华中师范大学计算机学院	20	86	6.0	8.0
2	项堃	华中师范大学计算机学院	1	8	1.0	1.0