一种训练支撑向量机的改进贯序最小优化算法

被引：23

作者：

孙剑

郑南宁

张志华

机构：

[1] 西安交通大学人工智能与机器人研究所

[2] 西安交通大学人工智能与机器人研究所陕西西安

[3] 陕西西安

来源：

软件学报 | 2002年 / 10期

基金：

国家创新研究群体科学基金;

关键词：

支撑向量机; 模式分类; 二次规划; 缓存策略; 贯序最小优化算法;

D O I：

10.13328/j.cnki.jos.2002.10.014

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

对于大规模问题,分解方法是训练支撑向量机主要的一类方法.在很多分类问题中,有相当比例的支撑向量对应的拉格朗日乘子达到惩罚上界,而且在训练过程中到达上界的拉格朗日乘子变化平稳.利用这一统计特性,提出了一种有效的缓存策略来加速这类分解方法,并将其具体应用于Platt的贯序最小优化(sequential minimization optimization,简称SMO)算法中.实验结果表明,改进后的SMO算法的速度是原有算法训练的2～3倍.

引用

页码：2007 / 2013

页数：7