-
题名并行SMO改进算法的研究与实现
被引量：1
- 1
-
-
作者
李锐妍
李华鹏
-
机构
上海大学计算机工程与科学学院
-
出处
《计算机工程与设计》
CSCD
北大核心
2009年第22期5162-5165,共4页
-
基金
上海市重点学科建设基金项目(J50103)
-
文摘
针对支持向量机SMO训练算法在遇到大规模问题时训练过慢的问题,提出了一种改进的工作集选择模型的并行算法。在该算法中,根据支持向量机训练过程中的特点,提出了限定工作集选择次数、工作集选择的过程中跳过稳定样本的策略。对该SMO算法进行并行训练,3组著名数据集的实验结果表明,该模型在保持精度的情况下,进一步提高了训练的速度。
-
关键词
支持向量机
序列最小优化
工作集
修剪
并行算法
-
Keywords
support vector machines
smo
training set
prune
parallel algorithm
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
-
题名一种基于CUDA的并行SMO算法
- 2
-
-
作者
汤斌飞
林超
黄迪
-
机构
中国石油大学(华东)理学院
中国石油大学(华东)网络及教育技术中心
-
出处
《实验室研究与探索》
CAS
北大核心
2016年第4期140-143,共4页
-
文摘
序列最小优化算法(Sequential Minimal Optimization,SMO)是针对支持向量机算法执行速度慢而提出来的,它通过最小化分块来加速算法,对不同数据集来说,其算法加速可达100x^1 000x。但是随着数据量的增大,其算法执行时间仍然较慢。为了加速算法,本文结合现代较发达的图形处理单元(Graphics Processing Unit,GPU)计算,通过多处理器并行执行方式,提出对算法并行化。主要的并行点在于确定了两个参数α_1、α_2之后,求解局部最优,从而更新所有参数的过程是天然并行的,而且SIMD形式的并行性非常符合GPU的运算模式,通过将计算量大的参数更新部分转移到GPU进行计算,可以加速整个算法的运行。实验表明,并行算法可以达到150倍的加速效果。
-
关键词
smo
CUDA
并行smo算法
-
Keywords
smo
CUDA
parallel smo algorithm
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名训练支持向量机的并行序列最小优化方法
被引量：4
- 3
-
-
作者
曹丽娟
王小明
-
机构
复旦大学金融研究院
复旦大学经济学院
-
出处
《计算机工程》
CAS
CSCD
北大核心
2007年第18期184-186,共3页
-
基金
国家自然科学基金资助项目"基于Support Vector Machines(SVMs)算法的智能型期权定价模型的研究"(70501008)
上海市浦江人才计划基金资助项目
-
文摘
序列最小优化(SMO)是训练支持向量机(SVM)的常见算法,在求解大规模问题时,需要耗费大量的计算时间。该文提出了SMO的一种并行实现方法,验证了该算法的有效性。实验结果表明,当采用多处理器时,并行SMO具有较大的加速比。
-
关键词
支持向量机
序列最小优化
并行算法
-
Keywords
support vector machine（SVM）
sequential minimal optimization（smo）
parallel algorithm
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
