并行SMO改进算法的研究与实现

作     者：李锐妍 李华鹏 LI Rui-yan;LI Hua-peng

作者机构：上海大学计算机工程与科学学院上海200072 

基　　金：上海市重点学科建设基金项目(J50103) 

出 版 物：《计算机工程与设计》 (Computer Engineering and Design)

年 卷 期：2009年第30卷第22期

页      码：5162-5165页

摘      要：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。

主 题 词：支持向量机 序列最小优化 工作集 修剪 并行算法 

学科分类：08[工学] 081202[081202] 0812[工学-测绘类] 

D　O　I：10.16208/j.issn1000-7024.2009.22.020

馆 藏 号：203772741...