支持向量训练算法研究  

Study on training algorithm for SVM

作　　者：艾青[1] 刘洋[1] 秦玉平[1] 

机构地区：[1]渤海大学信息科学与工程学院,辽宁锦州121000

出　　处：《渤海大学学报（自然科学版）》2006年第3期266-268,共3页Journal of Bohai University:Natural Science Edition

基　　金：国家基础研究重大项目(973)研究专项(2001CCA00700)

摘　　要：支持向量机(support vector m ach ine,SVM)是在统计学习理论基础上发展起来的一种新的数据挖掘方法,并已广泛应用于模式识别与回归分析。针对一些主要的SVM训练方法,比较了它们的优缺点并重点阐述了其中最有代表性的序贯最小优化(SMO)算法及其多种改进算法,最后指出了进一步研究和应用亟待解决的一些问题。SVM （Support Vector Machine）is a new method in dada mining based on statitics theory, and has been extensively applied in pattern recogniton and regression analysis. The main training algorithms for SVM are compared,and in particular,the SMO algorithm and its improved algorithms are emphasized in discussion. Finally, some problems in the research the application are pointed out.

关 键 词：支持向量机 分解算法 SMO 

分 类 号：TP301[自动化与计算机技术—计算机系统结构]