提高超大规模SVM训练计算速度的研究

摘要

近年来用支持向量机（Support Vector Machine）解决大样本问题的尝试日渐增多。限制SVM在大样本问题中应用的一个关键因素是SVM训练所引出的超大规模二次规划问题无法由标准的二次规划方法所解决。SMO算法（Sequential Minimal Optimization）是一种有发展前途的大规模SVM训练算法,我们用块算法的思想对其进行了改进,并称改进后的算法为分块SMO算法（CSMO）。新算法对于带有小支持向量集的超大样本问题在速度方面具有明显的优势。