噪声消除与SMO算法收敛性

摘要

近年来,随着序列最小优化分类算法SMO等一系列快速算法的推出,支持向量机在自动文本分类研究领域取得了很大的成功.大多数文本分类问题是线性可分的,使用线性核函数的SMO算法能够取得非常好的分类效果.但是文本向量是一种非常稀疏的向量,采用线性核函数的SMO算法对噪声样本非常敏感,容易产生发散的问题.文章分析证明了噪声如何影响SMO算法收敛性.为了解决训练样本中噪声样本影响SMO算法收敛的问题,设计了一个消除噪声样本的算法,取得了非常好的效果.