基于二阶序列最小优化的最小闭包球近似算法
万方数据知识服务平台
应用市场
我的应用
会员HOT
万方期刊
×

点击收藏,不怕下次找不到~

@万方数据
会员HOT

期刊专题

10.13682/j.issn.2095-6533.2022.03.003

基于二阶序列最小优化的最小闭包球近似算法

引用
对求解大规模高维数据集的最小闭包球问题进行研究.基于机器学习中训练支持向量机的序列最小优化(Sequential Minimal Optimization,SMO)算法,提出一种近似计算最小闭包球的二阶SMO-型算法.利用Lagrangian对偶函数的二阶泰勒展开式计算新的工作集,每次迭代只更新工作集所对应可行解的两个分量,构造新的可行解,并建立二阶SMO-型算法的多项式时间复杂度.数值实验结果表明,对于大规模高维数据集,二阶SMO-型算法比一阶SMO-型算法运行速度更快,尤其结合了加速技术的二阶SMO-型算法计算效率更高.

机器学习、最小闭包球、二阶序列最小优化型算法、大规模高维数据集

27

TP301.6(计算技术、计算机技术)

国家自然科学基金;陕西省教育厅专项科研计划项目

2023-05-18(万方平台首次上网日期,不代表论文的发表时间)

共5页

16-20

相关文献
评论
暂无封面信息
查看本期封面目录

西安邮电大学学报

1007-3264

61-1493/TN

27

2023,27(3)

相关作者
相关机构

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn