支持向量机训练算法综述

摘要：

训练SVM的本质是解决二次规划问题,在实际应用中,如果用于训练的样本数很大,标准的二次型优化技术就很难应用.针对这个问题,研究人员提出了各种解决方案,这些方案的核心思想是先将整个优化问题分解为多个同样性质的子问题,通过循环解决子问题来求得初始问题的解.由于这些方法都需要不断地循环迭代来解决每个子问题,所以需要的训练时间很长,这也是阻碍SVM广泛应用的一个重要原因.文章系统回顾了SVM训练的三种主流算法:块算法、分解算法和顺序最小优化算法,并且指出了未来发展方向.

关键词：统计学习理论、支持向量机、训练算法

所属期刊栏目：14

分类号：TP301.6(计算技术、计算机技术)

在线出版日期：2004-03-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：18-20