文献类型：期刊文献

中文题名：基于动态筛选策略的SMO改进算法

英文题名：An Improved SMO Algorithm Based on Dynamic Filtration Strategy

作者：张见[1];邹俊忠[1];雷江震[1];李艳洪[1];王行愚[1]

机构：[1]华东理工大学信息科学与工程学院,上海200237

年份：2007

卷号：33

期号：2

起止页码：263

中文期刊名：华东理工大学学报（自然科学版）

外文期刊名：Journal of East China University of Science and Technology

收录：CSTPCD;;EI(收录号：20072210628438);Scopus;北大核心:【北大核心2004】；CSCD:【CSCD2011_2012】；

基金：国家自然科学基金资助(60543005;60674089)

语种：中文

中文关键词：动态筛选策略;模式识别;支持向量机;序列最小优化

外文关键词：dynamic filtration strategy; pattern recognize; support vector machine; sequential minimaloptimization

摘要：提出了一种基于动态筛选策略的SMO(Sequential Minimal Optimization)改进算法,它能快速地筛选出绝大多数的边界支持向量和非支持向量,并将非边界支持向量限定在很小的范围内。仿真实验结果表明:样本规模无论大小,这种策略都能使Keerthi的改进算法2的性能得到大幅提升。
This paper proposes a dynamic filtration strategy for SMO algorithm.It can screen out the most of bound support vectors and non-support vectors fleetly,and the non-bound support vectors are limited to a small range.Simulation results show that the performance of Keerthi′s improved algorithm 2 can be enhanced greatly by this strategy.