一种改进的SMO算法

被引：22

作者：

张召

黄国兴

鲍钰

机构：

[1] 华东师范大学计算机系,华东师范大学计算机系,华东师范大学计算机系上海,上海,上海

来源：

计算机科学 | 2003年 / 08期

关键词：

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：

<正> 1.引言支持向量机(Support Vector Machine,简称SVM)是Vapnik等人提出的一类新型机器学习算法。由于其出色的学习性能,该技术已成为机器学习界的研究热点,并在很多领域得到了成功的应用。在最近几年里已经提出了很多种关于SVM的训练算法,包括“块算法”、“固定工作样本集算法”等。其中以John C.Platt提出的SMO(Sequential Minimal Optimization)算法应用最为广泛。SMO算法和其他算法相比训练速度快,扩展能力好而且容易实现。

引用

页码：128 / 129+133 +133

页数：3