哈尔滨工程大学学报
哈爾濱工程大學學報
합이빈공정대학학보
JOURNAL OF HARBIN ENGINEERING UNIVERSITY
2007年
2期
183-188
,共6页
支持向量机%序列最小优化%改进学习算法%回归问题
支持嚮量機%序列最小優化%改進學習算法%迴歸問題
지지향량궤%서렬최소우화%개진학습산법%회귀문제
为提高支持向量机序列最小优化学习算法的学习性能,提出了一种支持向量机改进序列最小优化学习算法,对传统SMO学习方法进行了多方面改进,从优化变量的选择和2个变量的优化方法分别提出具体可行的改进方法.改进后的SMO学习算法提高了学习速度,加快了网络收敛速度.基于改进SMO算法的仿真结果验证了改进SMO算法的有效性和优越性,并通过仿真,与原始算法进行了比较,显示了改进SMO算法的快速性.
為提高支持嚮量機序列最小優化學習算法的學習性能,提齣瞭一種支持嚮量機改進序列最小優化學習算法,對傳統SMO學習方法進行瞭多方麵改進,從優化變量的選擇和2箇變量的優化方法分彆提齣具體可行的改進方法.改進後的SMO學習算法提高瞭學習速度,加快瞭網絡收斂速度.基于改進SMO算法的倣真結果驗證瞭改進SMO算法的有效性和優越性,併通過倣真,與原始算法進行瞭比較,顯示瞭改進SMO算法的快速性.
위제고지지향량궤서렬최소우화학습산법적학습성능,제출료일충지지향량궤개진서렬최소우화학습산법,대전통SMO학습방법진행료다방면개진,종우화변량적선택화2개변량적우화방법분별제출구체가행적개진방법.개진후적SMO학습산법제고료학습속도,가쾌료망락수렴속도.기우개진SMO산법적방진결과험증료개진SMO산법적유효성화우월성,병통과방진,여원시산법진행료비교,현시료개진SMO산법적쾌속성.
