%0 Journal Article
%T 序贯最小优化的改进算法
%A 李建民？
%A 张钹？
%A 林福宗？
%J 软件学报
%P 918-924
%D 2003
%X 序贯最小优化(sequentialminimaloptimization,简称smo)算法是目前解决大量数据下支持向量机(supportvectormachine,简称svm)训练问题的一种十分有效的方法,但是确定工作集的可行方向策略会降低缓存的效率.给出了smo的一种可行方向法的解释,进而提出了一种收益代价平衡的工作集选择方法,综合考虑与工作集相关的目标函数的下降量和计算代价,以提高缓存的效率.实验结果表明,该方法可以提高smo算法的性能,缩短svm分类器的训练时间,特别适用于样本较多、支持向量较多、非有界支持向量较多的情况.
%K 机器学习
%K 支持向量机
%K 序贯最小优化
%K 缓存
%U http://www.jos.org.cn/ch/reader/view_abstract.aspx?file_no=20030508&flag=1