-
题名间隔值辅助的SMO算法改进研究
- 1
-
-
作者
郑奇
段会川
孙海涛
-
机构
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
-
出处
《计算机工程与应用》
CSCD
北大核心
2017年第4期64-69,共6页
-
基金
国家自然科学基金(No.61572299)
-
文摘
顺序最小优化(SMO)算法是现今求解支持向量机(SVM)的最优秀算法之一,其效率直接影响到SVM的训练效率。为提高SVM的训练效率,提出了一种间隔值辅助的SMO改进算法。通过一定量的经验性实验,统计总结出了间隔值随迭代次数变化的规律,即该变化呈铰链函数形态,起始阶段下降很快,经过一小段缓慢变化期后进入间隔值几乎无变化的水平区域。由此,提出并实现了SMO改进算法,通过跟踪间隔值随迭代次数的变化率,待越过拐点一小段时间后终止算法以缩短SVM训练时间。对比实验以及k分类的交叉验证(k-CV)证明,改进后的SMO算法在保持原有算法的模型预测能力的基础上,能够产生至少45%的效率提升。
-
关键词
支持向量机
顺序最小优化
间隔
交叉验证
-
Keywords
support vector machine
sequential minimal optimization
margin
cross-validation
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
