目标函数值辅助的SMO算法改进研究

作     者：郑奇 段会川 孙海涛 

作者机构：山东师范大学信息科学与工程学院济南250014 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 山东师范大学实验室与设备管理处济南250014 

基　　金：国家自然科学基金项目(61572299)资助 

出 版 物：《小型微型计算机系统》 (Journal of Chinese Computer Systems)

年 卷 期：2016年第37卷第12期

页      码：2717-2721页

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.

主 题 词：支持向量机 二次规划 SMO k-CV 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

核心收录：

馆 藏 号：203210250...