目标函数值辅助的SMO算法改进研究

• 作者: 孙海涛 段会川 郑奇
• 来源期刊: 小型微型计算机系统
• 学科: 工学
• 关键词: 支持向量机 二次规划 SMO k-CV
• 年，卷（期）: 2016,（12）
• 所属期刊栏目: 人工智能与算法研究
• 页码范围: 2717-2721
• 页数: 5页
• 分类号: TP391
• 字数: 4020字
• 语种: 中文

摘要

二阶工作集选择的SMO(顺序最小优化)算法是目前SVM(支持向量机)求解的高效率方法,然而实践中发现SMO算法在训练过程中依然存在训练时间过长的问题.针对这一问题,提出·一种目标函数值辅助的SMO改进算法,算法首先设计了目标函数值随训练迭代次数变化的经验性实验.经验性实验结果表明,该变化呈铰链函数形态,在一定的迭代次数后目标函数值在很长的一段时间里变化甚微,甚至出现微小的升降波动现象.基于上述实验结果,改进算法跟踪目标函数值的变化,待训练进入目标函数值变化曲线对应的水平区域后就终止算法.改进算法测试及k-CV实验表明,其在保证改进前预测能力的前提下,可以使训练效率提高至少20％.测试及k-CV(k分组的交叉验证)实验表明,改进算法能够保持改进前的预测能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	段会川	山东师范大学信息科学与工程学院	71	1293	15.0	34.0
5	孙海涛	山东师范大学实验室与设备管理处	13	94	4.0	9.0
6	郑奇	山东师范大学信息科学与工程学院	2	4	2.0	2.0