%0 Journal Article
%T 非线性回归支持向量机的SMO算法改进
%A 赵长春
%A 姜晓爱
%A 金英汉
%J 北京航空航天大学学报
%P 125-130
%D 2014
%X 为了解决非线性数据和非线性函数的回归问题，采用了支持向量机序列最小优化算法.原始序列最小优化（SMO，SequentialMinimalOptimization）算法存在训练速度慢和训练结果不稳定的缺点，为了能加快SMO算法的训练速度和提高训练结果稳定性，通过改进优化乘子更新方法、采用双阈值法、预存核函数、增加停机准则等方法对SMO算法做了改进.仿真实验表明，改进的算法能很好地对非线性数据和非线性函数进行回归，具有比原始SMO算法更快的训练速度和稳定的训练结果.
%U http://bhxb.buaa.edu.cn/CN/abstract/abstract12835.shtml