支持向量机学习算法-序列最小优化(SMO)
合集下载
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
支持向量机学习算法-序列最小优化(SMO)
赵洪波;赵丽红
【期刊名称】《绍兴文理学院学报》
【年(卷),期】2003(023)010
【摘要】支持向量机作为一种优秀的学习方法,有着严格的理论基础和很好的应用前景,但是由于支持向量机算法实现复杂、效率低,严重限制了支持向量机的应用.SMO方法的提出大大提高了支持向量机学习的效率,作者对SMO算法的实现进行了详细的介绍.
【总页数】4页(P21-24)
【作者】赵洪波;赵丽红
【作者单位】绍兴文理学院,工学院,浙江,绍兴,312000;绍兴文理学院,工学院,浙江,绍兴,312000
【正文语种】中文
【中图分类】O234
【相关文献】
1.一种改进的支持向量机序列最小优化算法 [J], 王越;吕奇峰;王泉;曾晶
2.支持向量机改进序列最小优化学习算法 [J], 朱齐丹;张智;邢卓异
3.一种改进的支持向量机序列最小优化算法 [J], 王越;吕奇峰;王泉;曾晶;
4.回归支持向量机的改进序列最小优化学习算法 [J], 张浩然;韩正之
5.基于取样的潜在支持向量机序列最小优化算法 [J], 鲁淑霞;曹贵恩;孟洁;王华超
因版权原因，仅展示原文概要，查看原文内容请购买。