序贯最小优化算法相关论文
支持向量机方法以统计学习理论为基础，具有简洁的数学形式、直观的几何解释和良好的推广能力，同时避免了局部最优解，一定程度上克服了......
随着信息化时代的到来,信息以几何级数的方式增加,人们希望从纷繁冗杂的信息中快速地提取出有用的数据。为了更快的找寻出有效的数......
块算法和分解算法是支持向量机的两个主要迭代算法,序贯最小优化算法是一种特殊的分解算法,将工作集的样本个数固定为两个,带来的......
支持向量机是在统计学习理论基础上发展起来的一种新的机器学习方法,它已经成为继神经网络之后,机器学习领域的研究热点。因为它具......
以对称多处理机为硬件基础，采用并行计算的方式对序贯最小优化算法进行改进．实验表明，改进后的算法能够在不影响结果分类器分类精度的......
序贯最小优化（SMO）算法是目前解决支持向量机训练问题的一种十分有效的方法，但是当面对大样本数据时，SMO训练速度比较慢。本文分析了SM......
针对传统支持向量数据描述(support vector data description,SVDD)训练中存在的训练速度慢、存储核矩阵需要的空间开销大、计算量......
序贯最小优化算法（SMO）是支持向量机（SVM）训练算法中一种十分有效的改进方法，但针对大规模样本数据时，SMO训练速度仍比较慢。为了提高训......
SMO(序贯最小优化算法)算法是目前解决支持向量机训练问题的一种十分有效的方法,但是当面对大样本数据时,SMO训练速度比较慢。考虑......
智能交通系统(IntelligentTransportationSystem,简称ITS)是未来交通系统的发展方向。行人检测技术是智能交通系统的关键技术之一,......
在各种支持向量机(SVM)训练算法中,比较突出的训练算法是序贯最小优化(SMO)算法。样本取样SMO算法是在不改变样本分布的前提下对原......
