一种加速大规模SVM训练的新思路  

A New Way to Increase Computation Speed of High-scale SVM Training

作　　者：杨路明[1] 李丽[1] 

机构地区：[1]中南大学信息科学与工程学院,湖南长沙410083

出　　处：《微机发展》2004年第12期136-138,共3页Microcomputer Development

摘　　要：大规模样本的二次规划问题严重限制了支持向量机应用到大样本问题中。文中从支持向量机的几何意义出发,利用样本分布的先验知识,提出一种在训练之前通过简单算法抛弃样本中的大量非支持向量,然后再利用已有的算法对经过筛选后的样本进行训练的方法。实验证实了此算法在线性可分的情况下具有较好的效果。Recently increasing attempts have been made to use SVM in solving large sample problems. One of the factors that limit SVM's application is that the huge-scale quadratic programming. In this paper describes a new algorithm based on the idea of discarding large number of non-support vectors before training to increase the computation speed of SVM training .And analyzed the application scope and the experiment result of the algorithm.

关 键 词：支持向量机 支持向量 二次规划 

分 类 号：TP181[自动化与计算机技术—控制理论与控制工程]