一种大规模支持向量机的高效求解算法

现有大规模支持向量机求解算法需要大量的内存资源和训练时间,通常在大集群并行环境下才能实现。提出了一种大规模支持向量机(svm)的高效求解算法,以在个人pc机求解大规模svm。它包括3个步骤:首先对大规模样本进行子采样来降低数据规模；然后应用随机傅里叶映射显式地构造随机特征空间,使得可在该随机特征空间中应用线性svm来一致逼近高斯核svm；最后给出线性svm在多核环境下的并行实现方法以进一步提高求解效率。标准数据集的对比实验验证了该求解算法的可行性与高效性。