本文關(guān)鍵詞：目標(biāo)函數(shù)值輔助的SMO算法改進(jìn)研究，由筆耕文化傳播整理發(fā)布。

【摘要】：二階工作集選擇的SMO(順序最小優(yōu)化)算法是目前SVM(支持向量機(jī))求解的高效率方法,然而實踐中發(fā)現(xiàn)SMO算法在訓(xùn)練過程中依然存在訓(xùn)練時間過長的問題.針對這一問題,提出·一種目標(biāo)函數(shù)值輔助的SMO改進(jìn)算法,算法首先設(shè)計了目標(biāo)函數(shù)值隨訓(xùn)練迭代次數(shù)變化的經(jīng)驗性實驗.經(jīng)驗性實驗結(jié)果表明,該變化呈鉸鏈函數(shù)形態(tài),在一定的迭代次數(shù)后目標(biāo)函數(shù)值在很長的一段時間里變化甚微,甚至出現(xiàn)微小的升降波動現(xiàn)象.基于上述實驗結(jié)果,改進(jìn)算法跟蹤目標(biāo)函數(shù)值的變化,待訓(xùn)練進(jìn)入目標(biāo)函數(shù)值變化曲線對應(yīng)的水平區(qū)域后就終止算法.改進(jìn)算法測試及k-CV實驗表明,其在保證改進(jìn)前預(yù)測能力的前提下,可以使訓(xùn)練效率提高至少20%.測試及k-CV(k分組的交叉驗證)實驗表明,改進(jìn)算法能夠保持改進(jìn)前的預(yù)測能力.
【作者單位】： 山東師范大學(xué)信息科學(xué)與工程學(xué)院;山東師范大學(xué)山東省分布式計算機(jī)軟件新技術(shù)重點實驗室;山東師范大學(xué)實驗室與設(shè)備管理處;
【關(guān)鍵詞】： 支持向量機(jī) 二次規(guī)劃 SMO k-CV
【基金】：國家自然科學(xué)基金項目(61572299)資助
【分類號】：TP181
【正文快照】： 2(山東師范大學(xué)山東省分布式計算機(jī)軟件新技術(shù)重點實驗室,濟(jì)南250014)3(山東師范大學(xué)實驗室與設(shè)備管理處,濟(jì)南250014)E-mail:zhengqi_2014@126.com1引言Vapnik提出的支持向量機(jī)(Support Vector Machine,SVM)是繼人工神經(jīng)網(wǎng)絡(luò)之后,機(jī)器學(xué)習(xí)領(lǐng)域最重要的進(jìn)展之一.優(yōu)美的二次規(guī)劃

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前1條

1 王永初;卡邊控制理論與應(yīng)用（Ⅱ）[J];煉油化工自動化;1996年04期

  本文關(guān)鍵詞：目標(biāo)函數(shù)值輔助的SMO算法改進(jìn)研究，，由筆耕文化傳播整理發(fā)布。

本文編號：472465