基于改进停机准则的SMO算法

• 作者: 潘丰 陈进东 韩顺成 马小晴
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 支持向量机回归 序列最小优化算法 对偶间隙 KKT条件 停机准则
• 年，卷（期）: 2014,（16）
• 所属期刊栏目: 理论研究、研发设计
• 页码范围: 31-34,61
• 页数: 5页
• 分类号: TP301.6
• 字数: 3418字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1208-0471

摘要

在序列最小优化（Sequential Minimal Optimization，SMO）算法训练过程中，采用标准的KKT（Karush-Kuhn-Tucker）条件作为停机准则会导致训练后期速度下降。由最优化理论可知，当对偶间隙为零时，凸二次优化问题同样可以取得全局最优解。因此本文将对偶间隙与标准KKT条件同时作为SMO算法的停机准则，从而提出了改进停机准则的SMO算法。在保证训练精度的情况下，提高了SMO算法的训练速度。通过对一维和二维函数的两个仿真实验，验证了改进SMO算法的有效性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	潘丰	江南大学轻工过程先进控制教育部重点实验室	203	1133	16.0	23.0
2	陈进东	江南大学轻工过程先进控制教育部重点实验室	11	132	6.0	11.0
3	马小晴	江南大学轻工过程先进控制教育部重点实验室	2	19	1.0	2.0
4	韩顺成	江南大学轻工过程先进控制教育部重点实验室	2	0	0.0	0.0