共 2 条
MLSVM4——一种多乘子协同优化的SVM快速学习算法
被引：3
作者：
业宁
孙瑞祥
董逸生
机构：
[1] 东南大学计算机科学与工程系
[2] 中国科学院计算技术研究所
[3] 东南大学计算机科学与工程系 南京
[4] 北京
[5] 南京
来源：
关键词：
SVM;
快速学习算法;
拉格朗日乘子;
D O I：
暂无
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：
贯序最小优化(SMO)算法是解决大数据集支持向量机学习问题的一种有效方法,但SMO选择工作集的策略是选择数据集中最违背KKT条件的两个样本,而且还使用了随机函数,使得优化过程具有很大的随机性,影响了学习效率.在多拉格朗日乘子协同优化的通用公式基础上,吸收了Keerthi所提出的SMO修改算法中双阈值的优点,给出了乘子数为4时的一个算法MLSVM4,由于能更加精确地确定待优化样本的拉格朗日乘子值,使得学习收敛速度大大提高,特别是在使用线性核的场合下效果更加明显,在Adult、Web、手写体数字数据集上的实验结果表明,MLSVM4算法速度超过了SMO算法3到42倍.
引用
收藏
页码：1467 / 1471
页数：5
相关论文