| 训练支持向量机的并行序列最小优化方法 |
| |
| 引用本文： | 曹丽娟,王小明.训练支持向量机的并行序列最小优化方法[J].计算机工程,2007,33(18):184-186. |
| |
| 作者姓名： | 曹丽娟 王小明 |
| |
| 作者单位： | 1. 复旦大学金融研究院,上海,200433
2. 复旦大学经济学院,上海,200433 |
| |
| 基金项目： | 国家自然科学基金
,
上海市浦江人才计划 |
| |
| 摘 要： | 序列最小优化(SMO)是训练支持向量机(SVM)的常见算法，在求解大规模问题时，需要耗费大量的计算时间。该文提出了SMO的一种并行实现方法，验证了该算法的有效性。实验结果表明，当采用多处理器时，并行SMO具有较大的加速比。
|
| 关 键 词： | 支持向量机 序列最小优化 并行算法 |
| 文章编号： | 1000-3428（2007）18-0184-03 |
| 修稿时间： | 2006-11-21 |
Method of Parallel Sequential Minimal Optimization for Training Support Vector Machines |
| |
| CAO Li-juan,WANG Xiao-ming.Method of Parallel Sequential Minimal Optimization for Training Support Vector Machines[J].Computer Engineering,2007,33(18):184-186. |
| |
| Authors: | CAO Li-juan WANG Xiao-ming |
| |
| Affiliation: | 1. Financial Institute, Fudan University, Shanghai 200433; 2. College of Economics, Fudan University, Shanghai 200433 |
| |
| Abstract: | One popular algorithm for training support vector machine (SVM) is sequential minimal optimization (SMO), but it still requires a large amount of computation time for solving large size problems. This paper proposes one parallel implementation of SMO for training SVM. Experiments show that the algorithm is effective, and there is great speedup in the parallel SMO when many processors are used. |
| |
| Keywords: | support vector machine(SVM) sequential minimal optimization(SMO) parallel algorithm |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
| 点击此处可从《计算机工程》浏览原始摘要信息 |
|
点击此处可从《计算机工程》下载全文 |
