在原始空间用Ｒｏｓｅｎｂｒｏｃｋ算法训练线性支持向量机

为了加快并行下降方法（ＣＤ）用于线性支持向量机（ＳＶＭ）时的最终收敛速度，将Ｒｏｓｅｎｂｒｏｃｋ算法（Ｒ）用于线性ＳＶＭ．在内循环，Ｒ通过解一个单变量子问题来更新狑的一个分量，并同时固定其他分量不变；在外循环，采用Ｇｒａｍ-ｓｃｈｍｉｄｔ过程构建新的搜索方向．实验结果表明，与ＣＤ相比，Ｒ加快了最终的收敛，在分类中能更快地获得更高的测试精度．