支持向量機(jī)加速訓(xùn)練算法研究.pdf

1、支持向量機(jī)(SVM)是由Vapnik 與其合作者提出的，它是基于統(tǒng)計(jì)學(xué)習(xí)理論的一門(mén)新興學(xué)科，是統(tǒng)計(jì)學(xué)習(xí)理論的VC維理論和結(jié)構(gòu)風(fēng)險(xiǎn)最小化理論的具體實(shí)現(xiàn)。SVM 主要解決小樣本問(wèn)題，在模型的復(fù)雜度和學(xué)習(xí)能力之間尋求最佳折衷，目的在于獲得最好的泛化能力。SVM算法成功應(yīng)用于很多領(lǐng)域，但是在實(shí)際應(yīng)用中也顯現(xiàn)出一些缺點(diǎn)，如計(jì)算量大，速度慢，依賴(lài)經(jīng)驗(yàn)選擇參數(shù)等，其中速度問(wèn)題在很大程度上限制了SVM的應(yīng)用，成為SVM 方法在大規(guī)模實(shí)用中受到限制。因此

2、在保證分類(lèi)精度變化不大的情況下，加快支持向量機(jī)的訓(xùn)練速度對(duì)SVM 學(xué)習(xí)的研究具有重要的理論意義和使用價(jià)值。
　　 本文主要的研究工作是：針對(duì)支持向量機(jī)訓(xùn)練速度慢的問(wèn)題，在現(xiàn)有支持向量機(jī)加速訓(xùn)練算法的基礎(chǔ)上，尋找一種新的SVM 加速訓(xùn)練算法。SVM訓(xùn)練速度慢的主要原因是大量的非支持向量參與訓(xùn)練過(guò)程，從而進(jìn)行了大量的二次規(guī)劃計(jì)算，導(dǎo)致分類(lèi)計(jì)算量大、分類(lèi)速度慢?；诖死碚?，在本篇文章中，我們首先提出了一種算法：一種基于KKT條件的SV