基于预备工作集的最小序列优化算法

为了提高支持向量机求解大规模问题的训练速度,提出了一种新的工作集选择策略——预备工作集策略:在SMO中,利用可行方向策略提取最大违反对的同时,从核缓存cache中提取违反KKT条件程度最大的一系列样本组成预备工作集,为此后历次SMO迭代优化提供工作集。该方法提高了核缓存的命中率,减少了工作集选择的代价。理论分析和实验结果表明,预备工作集策略能够很好地胜任待优化的工作集,加快了支持向量机求解大规模问题的训练速度。