HSMC-SVM的二次逼近快速训练算法
HSMC-SVM是一种直接型高速多类支持向量机,适合用于类别较多的分类场合,但由于SMO算法采用经验方法选择工作集,使得在用SMO算法训练HSMC-SVM时,收敛速度较慢.为提高HSMC-SVM的收敛速度,该文提出用基于二次逼近的可行方向法来训练HSMC-SVM,并使用了样本缩减策略.实验表明,这种方法可以有效提高HSMC-SVM的收敛速度,其收敛速度已经超过了基于libsvm的组合多类支持向量机,完全可以用于分类类别多、样本数量大的分类场合.
超球体多类支持向量机、SMO训练算法、工作集选择、二次逼近
30
TP18(自动化基础理论)
2009-03-11(万方平台首次上网日期,不代表论文的发表时间)
共4页
2746-2749