| 回归支持向量机SMO算法的改进 |
| |
| 引用本文： | 许建潮,张玉石.回归支持向量机SMO算法的改进[J].计算机工程与应用,2007,43(17):74-76. |
| |
| 作者姓名： | 许建潮 张玉石 |
| |
| 作者单位： | 长春工业大学 计算机科学与工程学院，长春 130012 |
| |
| 摘 要： | 在Smola 和Sch?觟lkopf的SMO算法中，由于使用了单一的极限值而使得算法的效果没有完全表现出来。使用KKT条件来检验二次规划问题，使用两个极限参量来对回归SMO算法进行改进。通过对比实验，这一改进算法在执行速度上表现出了非常好的性能。
|
| 关 键 词： | 支持向量机 回归 序列最小优化 |
| 文章编号： | 1002-8331（2007）17-0074-03 |
| 修稿时间： | 2006-11 |
Improvement of SMO algorithm for SVM regression |
| |
| XU Jian-chao,ZHANG Yu-shi.Improvement of SMO algorithm for SVM regression[J].Computer Engineering and Applications,2007,43(17):74-76. |
| |
| Authors: | XU Jian-chao ZHANG Yu-shi |
| |
| Affiliation: | School of Computer Science & Engineering，Changchun University of Technology，Changchun 130012，China |
| |
| Abstract: | Smola and Scholkopf’s SMO algorithm is inefficiency sometimes,because the algorithm uses a single threshold value.In this paper the KKT conditions is used to check up the dual problem and two threshold parameters are employed to derive modifications of SMO for regression.Through the contrasted experiment,the modified algorithm performs very well about capability on executing speed . |
| |
| Keywords: | Support Vector Machine(SVM) regression Sequential Minimal Optimization(SMO) |
| 本文献已被 维普 万方数据 等数据库收录！ |
| 点击此处可从《计算机工程与应用》浏览原始摘要信息 |
|
点击此处可从《计算机工程与应用》下载全文 |
