%0 Journal Article
%T 一种改进的序贯最小优化算法
%J 计算机科学
%D 2006
%X 序贯最小优化（smo）算法是目前解决支持向量机训练问题的一种十分有效的方法，但是当面对大样本数据时，smo训练速度比较慢。本文分析了smo迭代过程中目标函数值的变化情况，进而提出以目标函数值的改变量作为算法终止的判定条件。几个著名的数据集的试验结果表明，该方法可以大大缩短smo的训练时间，特别适用于大样本数据。
%K 支持向量机序贯最小优化算法
%U http://www.jsjkx.com/jsjkx/ch/reader/view_abstract.aspx?file_no=23166218&flag=1