MLSVM4——一种多乘子协同优化的SVM快速学习算法
文献类型：期刊论文
| 作者 | 孙瑞祥; 业 宁; 董逸生 |
| 刊名 | 计算机研究与发展
 |
| 出版日期 | 2005 |
| 期号 | 第9期页码:1467~1471页 |
| 关键词 | Svm 快速学习算法 拉格朗日乘子 |
| 英文摘要 | 贯序最小优化(SMO)算法是解决大数据集支持向量机学习问题的一种有效方法，但SMO选择工作集的策略是选择数据集中最违背KKT条件的两个样本，而且还使用了随机函数，使得优化过程具有很大的随机性，影响了学习效率.在多拉格朗日乘子协同优化的通用公式基础上，吸收了Keerthi所提出的SMO修改算法中双阈值的优点，给出了乘子数为4时的一个算法MLSVM4，由于能更加精确地确定待优化样本的拉格朗日乘子值，使得学习收敛速度大大提高，特别是在使用线性核的场合下效果更加明显，在Adult、Web、手写体数字数据集上的实验结果表明，MLSVM4算法速度超过了SMO算法3到42倍. |
| 语种 | 中文 |
| 公开日期 | 2010-10-15 |
| 源URL | [http://ictir.ict.ac.cn/handle/311040/654]  |
| 专题 | 中国科学院计算技术研究所期刊论文_2005年中文 |
| 推荐引用方式 GB/T 7714 | 孙瑞祥,业 宁,董逸生. MLSVM4——一种多乘子协同优化的SVM快速学习算法[J]. 计算机研究与发展,2005(第9期):1467~1471页. |
| APA | 孙瑞祥,业 宁,&董逸生.(2005).MLSVM4——一种多乘子协同优化的SVM快速学习算法.计算机研究与发展(第9期),1467~1471页. |
| MLA | 孙瑞祥,et al."MLSVM4——一种多乘子协同优化的SVM快速学习算法".计算机研究与发展 .第9期(2005):1467~1471页. |
入库方式： OAI收割
来源：计算技术研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。