并行SMO改进算法的研究与实现
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.
支持向量机、序列最小优化、工作集、修剪、并行算法
30
TP301.6(计算技术、计算机技术)
上海市重点学科建设基金项目J50103
2010-01-22(万方平台首次上网日期,不代表论文的发表时间)
共4页
5162-5165