一种大规模支持向量机的高效求解算法

摘要

现有大规模支持向量机求解算法需要大量的内存资源和训练时间,通常在大集群并行环境下才能实现.提出了一种大规模支持向量机(SVM)的高效求解算法,以在个人PC机求解大规模SVM.它包括3个步骤:首先对大规模样本进行子采样来降低数据规模;然后应用随机傅里叶映射显式地构造随机特征空间,使得可在该随机特征空间中应用线性SVM来一致逼近高斯核SVM;最后给出线性SVM在多核环境下的并行实现方法以进一步提高求解效率.标准数据集的对比实验验证了该求解算法的可行性与高效性.