%0 Journal Article
%T 目标函数值辅助的SMO算法改进研究
%A 孙海涛
%A 段会川
%A 郑奇
%J 中山大学学报（自然科学版）
%D 2016
%X 摘要 二阶工作集选择的SMO（顺序最小优化）算法是目前SVM（支持向量机）求解的高效率方法，然而实践中发现SMO算法在训练过程中依然存在训练时间过长的问题.针对这一问题，提出·一种目标函数值辅助的SMO改进算法，算法首先设计了目标函数值随训练迭代次数变化的经验性实验.经验性实验结果表明，该变化呈铰链函数形态，在一定的迭代次数后目标函数值在很长的一段时间里变化甚微，甚至出现微小的升降波动现象.基于上述实验结果，改进算法跟踪目标函数值的变化，待训练进入目标函数值变化曲线对应的水平区域后就终止算法.改进算法测试及k-CV实验表明，其在保证改进前预测能力的前提下，可以使训练效率提高至少20%.测试及k-CV（k-分组的交叉验证）实验表明，改进算法能够保持改进前的预测能力
%K 支持向量机
%K 二次规划
%K SMO
%K k-CV
%U http://xwxt.sict.ac.cn/CN/abstract/abstract3729.shtml