10.3969/j.issn.1673-629X.2007.07.007
OAO-SVMs的训练时间性能分析及算法改进
支持向量机(SVM)算法是统计学习理论中最年轻的分支.结构风险最小化原则使其具有良好的学习推广性.但在实际应用中,训练速度慢一直是支持向量机理论几个亟待解决的问题之一,这一点在SVM向多类问题领域推广时表现的尤为明显.文中将从样本分布与类别数量两方面入手,对传统的SVM多分类OAO算法进行训练时间性能上的分析,并引入分层的思想,提出传统OAO-SVMs算法的改进模型H-OAO-SVMs.通过与其他常见多分类SVMs训练时间的比较表明:改进后的H-OAO-SVMs模型具有更优的训练时间性能.
支持向量机、多分类算法、训练速度
17
TP181(自动化基础理论)
2007-08-13(万方平台首次上网日期,不代表论文的发表时间)
共4页
24-27