期刊文献+

支持向量机学习算法-序列最小优化(SMO) 被引量:2

The Algorithm of Support Vector Machine - SMO
下载PDF
导出
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. Support vector machine is an excellent method of learning. However, because the algorithm of SVM is complex, it hinders the application of SVM. In this paper, the algorithm and execution of SVM is introduced in detail.
出处 《绍兴文理学院学报(自然科学版)》 2003年第10期21-24,共4页 Journal of Shaoxing College of Arts and Sciences
关键词 支持向量机 二次优化 SMO support vector machine quadratic optimization SMO
  • 相关文献

参考文献3

  • 1谭东宁,谭东汉.小样本机器学习理论:统计学习理论[J].南京理工大学学报,2001,25(1):108-112. 被引量:25
  • 2(美)VladimirN.Vapnik著,张学工.统计学习理论的本质[M]清华大学出版社,2000.
  • 3Christopher J.C. Burges. A Tutorial on Support Vector Machines for Pattern Recognition[J] 1998,Data Mining and Knowledge Discovery(2):121~167

二级参考文献3

  • 1加肇祺.模式识别[M].北京:清华大学出版社,1988..
  • 2Vapnik V N,Neural Computation,1994年,851页
  • 3加肇祺,模式识别,1988年

共引文献24

同被引文献13

引证文献2

二级引证文献2

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部