-
题名HSMC-SVM的二次逼近快速训练算法
被引量：2
- 1
-
-
作者
徐图
罗瑜
何大可
-
机构
西南交通大学信息科学与技术学院
-
出处
《电子与信息学报》
EI
CSCD
北大核心
2008年第11期2746-2749,共4页
-
文摘
HSMC-SVM是一种直接型高速多类支持向量机,适合用于类别较多的分类场合,但由于SMO算法采用经验方法选择工作集,使得在用SMO算法训练HSMC-SVM时,收敛速度较慢。为提高HSMC-SVM的收敛速度,该文提出用基于二次逼近的可行方向法来训练HSMC-SVM,并使用了样本缩减策略。实验表明,这种方法可以有效提高HSMC-SVM的收敛速度,其收敛速度已经超过了基于libsvm的组合多类支持向量机,完全可以用于分类类别多、样本数量大的分类场合。
-
关键词
超球体多类支持向量机
SMO训练算法
工作集选择:二次逼近
-
Keywords
hyper-sphere multi-class svm（hsmc-svm）
Sequential Minimization Optimization（SMO） training algorithm
Working set selection
Second Order Approximation（SOA）
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
