SMO算法

作品数：55被引量：123H指数：5
导出分析报告
相关领域：自动化与计算机技术更多>>
相关作者：翟永杰郑奇马义中周晓剑史忠植更多>>
相关机构：华北电力大学华南理工大学西安电子科技大学江南大学更多>>
相关期刊：《中国高新科技》《应用基础与工程科学学报》《小型微型计算机系统》《通信技术》更多>>
相关基金：国家自然科学基金国家高技术研究发展计划中澳科技合作特别基金北京市自然科学基金更多>>
-
在结果中检索

检索结果分析

结果分析中...
选择条件：
  • 期刊=系统工程x
共 条 记 录，以下是1-3
全选清除导出
参考文献引证文献引用追踪
视图：
排序：
非半正定核条件下v-SVR的SMO算法
《系统工程》2017年第4期149-153,共5页周晓剑 王力 侯蓉 
国家自然科学基金青年项目(71401080);2014年度全国统计科学研究重点项目(2014LZ42);国家留学基金委项目(201508320059)
大数据背景下,如何对海量数据进行挖掘是目前研究的一个热点问题。序列最小最优化(SMO)算法是实现支持向量机(SVM)对大数据挖掘的有效算法。现有算法假定核函数是正定或半正定,限制了核函数的选择。为解决这一不足,提出了针对非半正定核...
关键词：非半正定核 SMO算法 v-支持向量回归机 
基于边界向量的样本取样SMO算法被引量：4
《系统工程》2015年第6期142-145,共4页柴岩 王庆菊 
国家自然科学基金资助项目(50979035)
在各种支持向量机(SVM)训练算法中,比较突出的训练算法是序贯最小优化(SMO)算法。样本取样SMO算法是在不改变样本分布的前提下对原始训练集进行取样从而压缩样本数量,但由于样本取样具有随机性,如何有效缩减取样范围是改进该算法的主要...
关键词：支持向量机 序贯最小优化算法 样本取样 边界向量 
基于数据分割和集成学习的大规模SVM分类算法
《系统工程》2009年第3期84-88,共5页张永 张卫国 徐维军 
国家杰出青年科学基金资助项目(70825005);国家自然科学基金资助项目(70801027);教育部人文社会科学基金资助项目(07JC630059)
支持向量机对分类问题的求解过程相当于解一个线性约束的二次规划问题,求解的变量个数与训练样本数相等,且需要计算和存储的核矩阵大小与训练样本数的平方相关。随着样本数目的增多,经典的求解二次规划问题的算法不再适用。针对大规模...
关键词：支持向量机 SMO算法 数据分割 集成学习 
全选清除导出
共1页<1>
检索报告 对象比较 聚类工具 使用帮助 返回顶部