回归支持向量机的改进序列最小优化学习算法 被引量：32

1

作者 张浩然 韩正之 《软件学报》 EI CSCD 北大核心 2003年第12期2006-2013,共8页

支持向量机(support vector machine,简称SVM)是一种基于结构风险最小化原理的学习技术,也是一种新的具有很好泛化性能的回归方法,提出了实现回归支持向量机的一种改进的SMO(sequential minimal optimization)算法,给出了两变量子优化... 支持向量机(support vector machine,简称SVM)是一种基于结构风险最小化原理的学习技术,也是一种新的具有很好泛化性能的回归方法,提出了实现回归支持向量机的一种改进的SMO(sequential minimal optimization)算法,给出了两变量子优化问题的解析解,设计了新的工作集选择方法和停止条件,仿真实例说明,所提出的SMO算法比原始SMO算法具有更快的运算速度. 展开更多

关键词 支持向量机 核方法 回归 序列最小优化

在线阅读 下载PDF 职称材料

支持向量机改进序列最小优化学习算法 被引量：10

2

作者 朱齐丹 张智 邢卓异 《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2007年第2期183-188,共6页

为提高支持向量机序列最小优化学习算法的学习性能,提出了一种支持向量机改进序列最小优化学习算法,对传统SMO学习方法进行了多方面改进,从优化变量的选择和2个变量的优化方法分别提出具体可行的改进方法.改进后的SMO学习算法提高了学... 为提高支持向量机序列最小优化学习算法的学习性能,提出了一种支持向量机改进序列最小优化学习算法,对传统SMO学习方法进行了多方面改进,从优化变量的选择和2个变量的优化方法分别提出具体可行的改进方法.改进后的SMO学习算法提高了学习速度,加快了网络收敛速度.基于改进SMO算法的仿真结果验证了改进SMO算法的有效性和优越性,并通过仿真,与原始算法进行了比较,显示了改进SMO算法的快速性. 展开更多

关键词 支持向量机 序列最小优化 改进学习算法 回归问题

在线阅读 下载PDF 职称材料

优化极限学习机的序列最小优化方法 被引量：18

3

作者 丁晓剑 赵银亮 《西安交通大学学报》 EI CAS CSCD 北大核心 2011年第6期7-12,19,共7页

针对传统二次规划求解方法训练优化极限学习机(OMELM)存在速度慢和效率低的问题,提出了单变量迭代序列最小优化(SSMO)算法.该算法通过在框式约束中优化拉格朗日乘子来实现目标函数的最小化:首先在初始化拉格朗日乘子中选择使目标函数值... 针对传统二次规划求解方法训练优化极限学习机(OMELM)存在速度慢和效率低的问题,提出了单变量迭代序列最小优化(SSMO)算法.该算法通过在框式约束中优化拉格朗日乘子来实现目标函数的最小化:首先在初始化拉格朗日乘子中选择使目标函数值下降最大的拉格朗日乘子,将该拉格朗日乘子作为目标函数的唯一变量;然后求解目标函数的最小值并更新该变量的值;重复这个过程直到所有的拉格朗日乘子都满足二次规划问题的Karush-Kuhn-Tucker条件为止.实验结果表明:SSMO算法只需调节很少的参数值便可得到足够好的泛化性能;采用SSMO算法的OMELM方法在泛化性能上要好于采用序列最小优化算法的支持向量机方法;在随机数据集测试中,SSMO算法具有较好的鲁棒性. 展开更多

关键词 极限学习机 支持向量机 序列最小优化

在线阅读 下载PDF 职称材料

一种改进的支持向量机序列最小优化算法 被引量：6

4

作者 王越 吕奇峰 +1 位作者 王泉 曾晶 《重庆理工大学学报（自然科学）》 CAS 2013年第3期76-79,共4页

提出一种改进的序列最小优化算法,它在选取工作集时选取优化步长最大的违反KKT条件的样本和其配对样本,并且对求解过程进行简化,从而使训练过程速度更快。实验表明,该算法是有效、可行的。

关键词 支持向量机 序列最小优化 快速算法

在线阅读 下载PDF 职称材料

应用序列最小优化算法的火电厂协调系统的预测 被引量：2

5

作者 翟永杰 杨金芳 +2 位作者 徐大平 韩璞 王东风 《动力工程》 EI CSCD 北大核心 2005年第6期849-854,共6页

针对支持向量机二次规划(QP)算法处理大规模数据时计算复杂度高的问题,介绍了适宜处理大规模数据回归问题的序列最小优化(SMO)算法,并在该算法的基础上进行了改进,使运算速度得到进一步的提高。同时,将SMO算法及其改进算法(I-SMO)用于... 针对支持向量机二次规划(QP)算法处理大规模数据时计算复杂度高的问题,介绍了适宜处理大规模数据回归问题的序列最小优化(SMO)算法,并在该算法的基础上进行了改进,使运算速度得到进一步的提高。同时,将SMO算法及其改进算法(I-SMO)用于火电厂协调系统的预测,并同QP算法进行了比较。仿真结果表明,I-SMO算法比QP算法具有更高的预测精度和更快的运算速度,并且比SMO算法在计算速度方面又有较大的提高。 展开更多

关键词 自动控制技术 序列最小优化算法 改进 协调系统 预测

在线阅读 下载PDF 职称材料

基于取样的潜在支持向量机序列最小优化算法 被引量：1

6

作者 鲁淑霞 曹贵恩 +1 位作者 孟洁 王华超 《河北大学学报（自然科学版）》 CAS 北大核心 2011年第2期113-117,共5页

为了提高潜在支持向量机求解大规模问题的训练速度,提出了基于样本取样的潜在支持向量机序列最小优化算法,去掉了大部分非支持向量,把支持向量逐渐压缩到取样样本集中.此算法特别适合大样本数据且支持向量个数相对较少的情况.实验表明,... 为了提高潜在支持向量机求解大规模问题的训练速度,提出了基于样本取样的潜在支持向量机序列最小优化算法,去掉了大部分非支持向量,把支持向量逐渐压缩到取样样本集中.此算法特别适合大样本数据且支持向量个数相对较少的情况.实验表明,改进的序列最小优化算法加速了潜在支持向量机分类器训练时间. 展开更多

关键词 潜在支持向量机 序列最小优化 取样

在线阅读 下载PDF 职称材料

训练支持向量机的并行序列最小优化方法 被引量：4

7

作者 曹丽娟 王小明 《计算机工程》 CAS CSCD 北大核心 2007年第18期184-186,共3页

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

在线阅读 下载PDF 职称材料

序列最小优化工作集选择算法的改进

8

作者 左琳 《电子科技大学学报》 EI CAS CSCD 北大核心 2013年第3期448-452,共5页

序列最小化算法(SMO)是支持向量机重要的常用分解方法。而工作集的选择是实现序列最小优化算法的关键。通过重写KKT条件,提出了一种改进的新工作集选择方法,并相应提出最小化步骤。通过将改进的支持向量机方法应用于网络用户行为数据的... 序列最小化算法(SMO)是支持向量机重要的常用分解方法。而工作集的选择是实现序列最小优化算法的关键。通过重写KKT条件,提出了一种改进的新工作集选择方法,并相应提出最小化步骤。通过将改进的支持向量机方法应用于网络用户行为数据的分析,与现有方法进行对比测试,验证了新工作集选择方法将减少支持向量机的学习时间并加快收敛过程,改进的支持向量机方法在运行效率和准确度上都有不同程度的提高。 展开更多

关键词 改进 KKT条件 序列最小优化 支持向量机 工作集选择

在线阅读 下载PDF 职称材料

求解非半正定核Huber-支持向量回归机问题的序列最小最优化算法 被引量：9

9

作者 周晓剑 马义中 +2 位作者 朱嘉钢 刘利平 汪建均 《控制理论与应用》 EI CAS CSCD 北大核心 2010年第9期1178-1184,共7页

序列最小最优化(SMO)算法是求解大型支持向量机(SVM)问题的有效算法.已有的算法都要求核函数是正定的或半正定的,从而使其应用受到限制.针对这种缺点,本文提出一种新的的SMO算法,可求解非半正定核Huber-SVR问题.提出的算法在保证收敛的... 序列最小最优化(SMO)算法是求解大型支持向量机(SVM)问题的有效算法.已有的算法都要求核函数是正定的或半正定的,从而使其应用受到限制.针对这种缺点,本文提出一种新的的SMO算法,可求解非半正定核Huber-SVR问题.提出的算法在保证收敛的前提下可使非半正定Huber-SVR能够达到比较理想的回归精度,因而具有一定的理论意义和实用价值. 展开更多

关键词 支持向量机 非半正定核 序列最小最优化算法 Huber-支持向量回归机

在线阅读 下载PDF 职称材料

一类支持向量机中引导式量子粒子群优化机理及实现 被引量：3

10

作者 姚富光 钟先信 《重庆大学学报（自然科学版）》 EI CAS CSCD 北大核心 2011年第2期108-112,119,共6页

通过分析量子粒子群在一类超球面支持向量机训练优化的应用机理,提出一种基于引导式量子粒子群(D-QDPSO)的一类超球面支持向量机训练优化算法,根据Zoutendijk最速下行策略确定全局最优gbest的优化方向,计算引导粒子位置;同时在初始化时... 通过分析量子粒子群在一类超球面支持向量机训练优化的应用机理,提出一种基于引导式量子粒子群(D-QDPSO)的一类超球面支持向量机训练优化算法,根据Zoutendijk最速下行策略确定全局最优gbest的优化方向,计算引导粒子位置;同时在初始化时根据序列最小优化算法(SMO)得到靠近最优解的近似位置,并以约束平面边界点作为初始化粒子,扩大了搜索范围。实验表明,D-QDPSO算法有较好的收敛性能和泛化性能,其误识率比SMO降低约0.12%,运算速度比LPSO提高2倍左右。 展开更多

关键词 粒子群优化 支持向量机 Zoutendijk最速下行策略 引导粒子 序列最小优化 LPSO

在线阅读 下载PDF 职称材料

求解最小闭包球问题改进的SMO-型算法 被引量：1

11

作者 丛伟杰 刘红卫 《计算机工程与应用》 CSCD 2013年第3期1-3,9,共4页

研究n维空间中m个点的最小闭包球(MEB)问题。通过结合确定并删除内部点的技术到序列最小最优化(SMO)方法中,提出一种近似求解MEB问题的改进的SMO-型算法。证明了该算法具有线性收敛性。数值结果表明对于一些mn的大规模数据集,改进的... 研究n维空间中m个点的最小闭包球(MEB)问题。通过结合确定并删除内部点的技术到序列最小最优化(SMO)方法中,提出一种近似求解MEB问题的改进的SMO-型算法。证明了该算法具有线性收敛性。数值结果表明对于一些mn的大规模数据集,改进的算法与原算法相比速度可以提高10倍以上。尤其,当n等于100且m等于100000时,改进的SMO-型算法仅需执行8s。此外,对于n等于10000且m等于1000的大规模数据集,改进的算法也仅需执行150s。 展开更多

关键词 最小闭包球 确定并删除内部点 序列最小最优化 线性收敛 大规模数据集

在线阅读 下载PDF 职称材料

基于支持向量机的开关磁阻电机转子位置估计 被引量：16

12

作者 夏长亮 贺子鸣 +1 位作者 周亚娜 谢细明 《电工技术学报》 EI CSCD 北大核心 2007年第10期12-17,共6页

开关磁阻电机具有结构简单、工作可靠、效率高和成本较低等优点,在很多领域都显示出强大的竞争力,但是位置传感器的存在不仅削弱了开关磁阻电机结构简单的优势,而且降低了系统高速运行的可靠性,增加了成本。针对这一问题,提出了基于支... 开关磁阻电机具有结构简单、工作可靠、效率高和成本较低等优点,在很多领域都显示出强大的竞争力,但是位置传感器的存在不仅削弱了开关磁阻电机结构简单的优势,而且降低了系统高速运行的可靠性,增加了成本。针对这一问题,提出了基于支持向量机的开关磁阻电机转子位置估计新方法。该方法针对开关磁阻电机的非线性,利用支持向量机泛化能力强以及能够较好地解决小样本学习问题的特点,通过离线学习的方法形成一个理想的支持向量机结构来实现电机电流、磁链与转子位置之间的非线性映射,实现开关磁阻电机的转子位置估计。仿真及实验结果表明,该方法能够实现电机转子位置的准确估计,进而实现开关磁阻电机的无位置传感器控制。 展开更多

关键词 开关磁阻电机 转子位置估计 支持向量机 序列最小优化算法

在线阅读 下载PDF 职称材料

基于乘性规则的支持向量域分类器 被引量：21

13

作者 陆从德 张太镒 胡金燕 《计算机学报》 EI CSCD 北大核心 2004年第5期690-694,共5页

该文提出了一种基于支持向量域描述 (SVDD)的学习分类器 .在两类样本分类中 ,该算法在训练时通过对1类样本的描述求取包含 1类样本的球形边界 ,然后通过该边界对两类样本数据进行分类 ,并且在求取边界的优化问题中 ,采用乘性规则来直接... 该文提出了一种基于支持向量域描述 (SVDD)的学习分类器 .在两类样本分类中 ,该算法在训练时通过对1类样本的描述求取包含 1类样本的球形边界 ,然后通过该边界对两类样本数据进行分类 ,并且在求取边界的优化问题中 ,采用乘性规则来直接求取Lagrange乘子 ,而不是用传统的二次优化方法 .该文所获得的学习算法和支持向量机 (SVM)与序列最小优化 (SMO)算法相比 ,不仅降低了样本的采集代价 ,而且在优化速度上有了很大提高 .通过CBCL人脸库的仿真实验 ,将该算法和SVM、SOM算法的实验结果进行对比 ,说明了该学习算法的有效性 . 展开更多

关键词 支持向量域分类器 乘性规则 序列最小优化 支持向量机 学习算法

在线阅读 下载PDF 职称材料

基于支持向量机的高光谱影像分类研究 被引量：8

14

作者 杨国鹏 余旭初 +1 位作者 刘伟 陈伟 《计算机工程与设计》 CSCD 北大核心 2008年第8期2029-2031,2034,共4页

高光谱遥感技术,将反映目标辐射属性的光谱信息与反映目标空间几何关系的图像信息有机地结合在一起。高光谱影像丰富的光谱信息使其较全色遥感、多光谱遥感能够更好的进行地面目标的分类识别。本文综合利用支持向量机分类的若干关键技术... 高光谱遥感技术,将反映目标辐射属性的光谱信息与反映目标空间几何关系的图像信息有机地结合在一起。高光谱影像丰富的光谱信息使其较全色遥感、多光谱遥感能够更好的进行地面目标的分类识别。本文综合利用支持向量机分类的若干关键技术,包括序列最小优化训练算法、多类支持向量机构造方法、核函数及其参数选择的交叉验证"网格搜索",给出了高光谱影像分类流程,进行了遥感数据试验分析。 展开更多

关键词 高光谱影像 支持向量机 序列最小优化 交叉验证 网格搜索

在线阅读 下载PDF 职称材料

微博演化网络的负信息分类方法 被引量：13

15

作者 赵一 何克清 +1 位作者 李昭 黄贻望 《计算机科学与探索》 CSCD 北大核心 2017年第1期91-98,共8页

针对Sina微博博文的转发关系,建立起用户转发博文之间的演化网络,从而利用SMO SVM(sequential minimal optimization support vector machine)分类算法对博文进行分类,筛选出恶意博文、垃圾广告、垃圾营销信息,使用户能够精确地屏蔽不... 针对Sina微博博文的转发关系,建立起用户转发博文之间的演化网络,从而利用SMO SVM(sequential minimal optimization support vector machine)分类算法对博文进行分类,筛选出恶意博文、垃圾广告、垃圾营销信息,使用户能够精确地屏蔽不想要的博文和博主。第一步基于微博转发关系的演化网络和SVM分类算法对整个Sina微博进行分类;第二步利用复杂网络等技术对经常发送恶意广告的博主进行标注,从而在网络中对他们进行屏蔽;最后找出垃圾信息的来源以及分辨出博主是不是恶意转发者,在宏观上能更好地遏制垃圾信息的传播。与用户从UCI数据集中实际反馈情况进行比较,实验结果表明,机器学习分类的实验结果吻合度达到89%。 展开更多

关键词 序列最小优化(SMO) 支持向量机(SVM) 演化网络 UCI数据集 负信息

在线阅读 下载PDF 职称材料

非线性回归支持向量机的SMO算法改进 被引量：11

16

作者 赵长春 姜晓爱 金英汉 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2014年第1期125-130,共6页

为了解决非线性数据和非线性函数的回归问题,采用了支持向量机序列最小优化算法.原始序列最小优化(SMO,Sequential Minimal Optimization)算法存在训练速度慢和训练结果不稳定的缺点,为了能加快SMO算法的训练速度和提高训练结果稳定性,... 为了解决非线性数据和非线性函数的回归问题,采用了支持向量机序列最小优化算法.原始序列最小优化(SMO,Sequential Minimal Optimization)算法存在训练速度慢和训练结果不稳定的缺点,为了能加快SMO算法的训练速度和提高训练结果稳定性,通过改进优化乘子更新方法、采用双阈值法、预存核函数、增加停机准则等方法对SMO算法做了改进.仿真实验表明,改进的算法能很好地对非线性数据和非线性函数进行回归,具有比原始SMO算法更快的训练速度和稳定的训练结果. 展开更多

关键词 支持向量机 回归 非线性数据 非线性函数 序列最小优化算法

在线阅读 下载PDF 职称材料

基于LSSVM与SMO稀疏化算法的短期负荷预测 被引量：6

17

作者 刘耀年 沈轶群 +1 位作者 姜成元 陈灵根 《继电器》 CSCD 北大核心 2008年第4期63-66,共4页

针对最小二乘支持向量机(LSSVM)仅考虑等式约束,失去了支持向量机(SVM)解的稀疏性,影响了二次学习效率的问题,把最小二乘支持向量机与序列最小优化算法(SMO)相结合,后者应用改进的剪枝算法对解进行稀疏化处理,解决了上述问题;算法与最... 针对最小二乘支持向量机(LSSVM)仅考虑等式约束,失去了支持向量机(SVM)解的稀疏性,影响了二次学习效率的问题,把最小二乘支持向量机与序列最小优化算法(SMO)相结合,后者应用改进的剪枝算法对解进行稀疏化处理,解决了上述问题;算法与最小二乘支持向量机相比降低了计算的复杂度,提高了计算精度。将此方法应用到电力系统短期负荷预测,与SVM和LSSVM算法比较表明该方法运行速度快,精度高,取得了较好的预测结果。 展开更多

关键词 最小二乘支持向量机 序列最小优化 短期负荷预测 剪枝算法 稀疏化

在线阅读 下载PDF 职称材料

基于SVR增量学习算法的变桨距风力机系统在线辨识 被引量：6

18

作者 林勇刚 李伟 崔宝玲 《太阳能学报》 EI CAS CSCD 北大核心 2006年第3期223-229,共7页

针对变桨距风力机模型非线性很强的特点,采用支持向量回归(SVR)算法进行辨识,数据由BLADED仿真软件提供,经训练检测的结果表明,SVR算法在变桨距风力机非线性模型辨识上具有很高的准确性。考虑到风力机现场工作过程中会出现模型变化,利... 针对变桨距风力机模型非线性很强的特点,采用支持向量回归(SVR)算法进行辨识,数据由BLADED仿真软件提供,经训练检测的结果表明,SVR算法在变桨距风力机非线性模型辨识上具有很高的准确性。考虑到风力机现场工作过程中会出现模型变化,利用增量学习算法实现在线辨识。由于在线SVR辨识计算时间太长,通过改进的序列最小优化(SMO)算法代替原来的凸二次规划(QP)算法。同时提出满足度系数,排除系统无效的突变点,使在线辨识具有鲁棒性,并通过双支持向量机(SVM)算法实现在线辨识的记忆功能,最终辨识结果不仅有很强的精度,而且大大减小了计算时间。 展开更多

关键词 支持向量回归 支持向量机 增量学习 序列最小优化 变桨距控制 在线辨识

在线阅读 下载PDF 职称材料

EMD-ISMO算法在电力负荷预测中的应用 被引量：6

19

作者 翟永杰 周倩 韩璞 《系统仿真学报》 CAS CSCD 北大核心 2010年第12期2858-2861,共4页

电力负荷是受多种因素影响的复杂非线性系统,具有明显的周期波动性和趋势性。利用集平稳化和层次化处理能力于一体的经验模态分解(EMD)方法处理非线性非平稳信号的有效性,对电力负荷数据进行平稳化处理,分离出12组IMF数据,包含若干个不... 电力负荷是受多种因素影响的复杂非线性系统,具有明显的周期波动性和趋势性。利用集平稳化和层次化处理能力于一体的经验模态分解(EMD)方法处理非线性非平稳信号的有效性,对电力负荷数据进行平稳化处理,分离出12组IMF数据,包含若干个不同频率的平稳分量,能更明显地看出原负荷序列的周期项、随机项和趋势项;结合对负荷数据具有很好预测能力的改进SMO算法(ISMO),对IMF数据进行分别预测和组合预测,提出了一种EMD-ISMO算法。实验结果表明,该方法无论在预测精度还是收敛速度上都比单纯的SMO算法有了很大改进,取得了很好的预测效果。 展开更多

关键词 经验模态分解 支持向量机 序列最小优化 负荷预测

在线阅读 下载PDF 职称材料

一种快速的离群点检测方法 被引量：5

20

作者 冯震 付敬奇 熊南 《电子测量与仪器学报》 CSCD 北大核心 2016年第11期1726-1734,共9页

离群点检测已在许多领域得到了广泛的应用,支持向量数据描述(SVDD)是一种流行的离群点检测方法,但其训练阶段需要二次规划求解,以及决策阶段计算与支持向量数量呈线性关系等导致该方法具有较高时间复杂度。本文提出了一种快速SVDD离群... 离群点检测已在许多领域得到了广泛的应用,支持向量数据描述(SVDD)是一种流行的离群点检测方法,但其训练阶段需要二次规划求解,以及决策阶段计算与支持向量数量呈线性关系等导致该方法具有较高时间复杂度。本文提出了一种快速SVDD离群点检测方法,首先在训练阶段利用训练集约简和二阶逼近的序列最小优化(SMO)算法降低训练时间,然后在决策阶段通过分析决策函数表达式,利用获取超球球心原像的方式降低决策时间,使得该方法的时间复杂度显著降低。利用标准的公用数据集验证提出的方法,结果表明该方法的时间复杂度明显优于传统的方法。 展开更多

关键词 支持向量数据描述 离群点 序列最小优化算法 原像

在线阅读 下载PDF 职称材料