支持向量机训练算法比较研究

被引：15

作者：

白亮

老松杨

胡艳丽

不详

机构：

[1] 国防科学技术大学多媒体研发中心

[2] 国防科学技术大学管理科学与工程系

[3] 国防科学技术大学管理科学与工程系长沙

[4] 长沙

来源：

计算机工程与应用 | 2005年 / 17期

关键词：

支持向量机; 训练算法;

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：

论文介绍了一种年轻的机器学习方法——支持向量机,详细论述了目前主要的支持向量机的训练算法,包括:二次规划算法,分解算法和增量算法。通过实验验证了普通二次规划算法的缺陷,比较了三种典型的SVM分解训练算法的性能,说明了其相对于二次规划算法的优点和对SVM训练问题的适用性,指出了训练速度优劣的原因。最后指出了未来支持向量机训练算法研究的方向。

引用

页码：79 / 81+84 +84

页数：4