间隔值辅助的SMO算法改进研究

• 作者: 孙海涛 段会川 郑奇
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 支持向量机 顺序最小优化 间隔 交叉验证
• 年，卷（期）: 2017,（4）
• 所属期刊栏目: 理论与研发
• 页码范围: 64-69
• 页数: 6页
• 分类号: TP18
• 字数: 4116字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1607-0111

摘要

顺序最小优化(SMO)算法是现今求解支持向量机(SVM)的最优秀算法之一,其效率直接影响到SVM的训练效率.为提高SVM的训练效率,提出了一种间隔值辅助的SMO改进算法.通过一定量的经验性实验,统计总结出了间隔值随迭代次数变化的规律,即该变化呈铰链函数形态,起始阶段下降很快,经过一小段缓慢变化期后进入间隔值几乎无变化的水平区域.由此,提出并实现了SMO改进算法,通过跟踪间隔值随迭代次数的变化率,待越过拐点一小段时间后终止算法以缩短SVM训练时间.对比实验以及k分类的交叉验证(k-CV)证明,改进后的SMO算法在保持原有算法的模型预测能力的基础上,能够产生至少45%的效率提升.

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