回归支持向量机的改进序列最小优化学习算法

被引：31

作者：

张浩然

韩正之

机构：

[1] 上海交通大学自动化系

来源：

软件学报 | 2003年 / 12期

关键词：

支持向量机; 核方法; 回归; 序列最小优化;

D O I：

10.13328/j.cnki.jos.2003.12.004

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

摘要：

支持向量机(support vector machine,简称SVM)是一种基于结构风险最小化原理的学习技术,也是一种新的具有很好泛化性能的回归方法,提出了实现回归支持向量机的一种改进的SMO(sequential minimal optimization)算法,给出了两变量子优化问题的解析解,设计了新的工作集选择方法和停止条件,仿真实例说明,所提出的SMO算法比原始SMO算法具有更快的运算速度.

引用

页码：2006 / 2013

页数：8