MLSVM4——一种多乘子协同优化的SVM快速学习算法

	MLSVM4——一种多乘子协同优化的SVM快速学习算法
	业宁 1; 董逸生 1; 孙瑞祥 2
	2005
发表期刊	计算机研究与发展
ISSN	1000-1239
卷号	42.0 期号:009 页码:1467
摘要	贯序最小优化（SMO）算法是解决大数据集支持向量机学习问题的一种有效方法，但SMO选择工作集的策略是选择数据集中最违背KKT条件的两个样本，而且还使用了随机函数，使得优化过程具有很大的随机性，影响了学习效率．在多拉格朗日乘子协同优化的通用公式基础上，吸收了Keerthi所提出的SMO修改算法中双阈值的优点，给出了乘子数为4时的一个算法MLSVM4，由于能更加精确地确定待优化样本的拉格朗日乘子值，使得学习收敛速度大大提高，特别是在使用线性核的场合下效果更加明显，在Adult、Web、手写体数字数据集上的实验结果表明，MLSVM4算法速度超过了SMO算法3到42倍．
关键词	SVM 快速学习算法拉格朗日乘子
语种	英语
文献类型	期刊论文
条目标识符	http://119.78.100.204/handle/2XEOYT63/35872
专题	中国科学院计算技术研究所期刊论文_中文
作者单位	1.东南大学 2.中国科学院计算技术研究所
推荐引用方式 GB/T 7714	业宁,董逸生,孙瑞祥. MLSVM4——一种多乘子协同优化的SVM快速学习算法[J]. 计算机研究与发展,2005,42.0(009):1467.
APA	业宁,董逸生,&孙瑞祥.(2005).MLSVM4——一种多乘子协同优化的SVM快速学习算法.计算机研究与发展,42.0(009),1467.
MLA	业宁,et al."MLSVM4——一种多乘子协同优化的SVM快速学习算法".计算机研究与发展 42.0.009(2005):1467.