目标函数值辅助的SMO算法改进研究

发布时间：2017-06-22 17:04

  本文关键词：目标函数值辅助的SMO算法改进研究，由笔耕文化传播整理发布。

【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.
【作者单位】： 山东师范大学信息科学与工程学院;山东师范大学山东省分布式计算机软件新技术重点实验室;山东师范大学实验室与设备管理处;
【关键词】： 支持向量机 二次规划 SMO k-CV
【基金】：国家自然科学基金项目(61572299)资助
【分类号】：TP181
【正文快照】： 2(山东师范大学山东省分布式计算机软件新技术重点实验室,济南250014)3(山东师范大学实验室与设备管理处,济南250014)E-mail:zhengqi_2014@126.com1引言Vapnik提出的支持向量机(Support Vector Machine,SVM)是继人工神经网络之后,机器学习领域最重要的进展之一.优美的二次规划

【相似文献】

中国期刊全文数据库 前1条

1 王永初;卡边控制理论与应用（Ⅱ）[J];炼油化工自动化;1996年04期

  本文关键词：目标函数值辅助的SMO算法改进研究，，由笔耕文化传播整理发布。

本文编号：472465