一种快速SVM学习算法

被引：2

作者：

张艳 ^{[1
]}

兰光华 ^{[1
]}

郁生阳 ^{[2
]}

杨静宇 ^{[1
]}

机构：

[1] 南京理工大学计算机系

[2] 上海交通大学图像处理与模式识别研究所

来源：

计算机工程与应用 | 2006年 / 32期

关键词：

机器学习; 支持向量机; 学习算法;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

在对两种SVM学习算法(SMO和SVMlight)进行分析的基础上,提出了一种改进的基于集合划分和SMO的算法SDBSMO。该算法根据样本违背最优化条件的厉害程度将训练集划分为多个集合,每次迭代后利用集合信息快速更新工作集和相关参数,从而减少迭代开销,提高训练速度。实验结果表明该算法能很好地提高支持向量机的训练速度。

引用

页码：36 / 38

页数：3