文献检索-宁波市创意产业特色资源库

限定检索结果

目标函数值辅助的SMO算法改进研究: 收藏
分享
引用; 《小型微型计算机系统》2016年第12期37卷 2717-2721页; 作者：郑奇段会川孙海涛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; 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...; 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.; 来源：详细信息评论

高级检索 表达式检索

时间限定

文献类型

馆藏选择

核心期刊

语言

高级检索 表达式检索

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

限定检索结果

保存检索档案

请选择保存的检索档案：

收藏书架

请选择收藏分类：

检索条件订阅

申请转借

引用

高级检索 表达式检索

时间限定

文献类型

馆藏选择

核心期刊

语言

高级检索 表达式检索

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

限定检索结果

保存检索档案

请选择保存的检索档案： 新增检索档案 确定 取消

收藏书架

请选择收藏分类： 新增自定义分类 确定 取消

检索条件订阅

申请转借

引用

高级检索表达式检索

高级检索表达式检索

请选择保存的检索档案：

请选择收藏分类：