基于样本取样的SMO算法

被引：26

作者：

范玉刚

李平

宋执环

机构：

[1] 浙江大学工业控制技术研究所工业控制技术国家重点实验室,浙江大学工业控制技术研究所工业控制技术国家重点实验室,浙江大学工业控制技术研究所工业控制技术国家重点实验室浙江杭州,浙江杭州,浙江杭州

来源：

信息与控制 | 2004年 / 06期

关键词：

机器学习; 支持向量机; 序贯最小优化; 取样;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

140502 [人工智能];

摘要：

介绍了一种对样本集取样的方法 ,并在此基础上对序贯最小优化 (sequentialminimaloptimization ,SMO)算法进行了改进 ,提出了取样序贯最小优化 (S SMO)算法 .S SMO算法去掉了大部分非支持向量 ,将支持向量逐渐收集到工作集中 .实验结果表明 ,该方法提高了SMO算法的性能 ,缩短了支持向量机分类器的训练时间 .

引用

页码：665 / 669

页数：5

共 4 条

[1]

序贯最小优化的改进算法 [J].