%0 Journal Article
%T An Improved Sequential Minimization Optimization Algorithm for Support Vector Machine Training<br>一种训练支撑向量机的改进贯序最小优化算法
%A SUN Jian
%A ZHENG Nan-ning
%A ZHANG Zhi-hua
%A <br>孙剑
%A 郑南宁
%A 张志华
%J 软件学报
%D 2002
%I 
%X 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.
%K support vector machine
%K pattern classification
%K quadratic programming
%K caching strategy
%K sequential minimization optimization algorithm<br>支撑向量机
%K 模式分类
%K 二次规划
%K 缓存策略
%K 贯序最小优化算法
%U http://www.alljournals.cn/get_abstract_url.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=7735F413D429542E610B3D6AC0D5EC59&aid=35D606F60C4B69B0&yid=C3ACC247184A22C1&vid=FC0714F8D2EB605D&iid=F3090AE9B60B7ED1&sid=A732AF04DDA03BB3&eid=FF7AA908D58E97FA&journal_id=1000-9825&journal_name=软件学报&referenced_num=16&reference_num=10