| 基于SVM学习方法的分析 |
| |
| 引用本文： | 卢家胜 王翠平. 基于SVM学习方法的分析[J]. 烟台师范学院学报(自然科学版), 2006, 22(2): 105-108 |
| |
| 作者姓名： | 卢家胜 王翠平 |
| |
| 作者单位： | [1]日照广播电视大学开放教育学院,山东日照276826 [2]山东师范大学信息科学与工程学院,济南250014 |
| |
| 摘 要： | 介绍了增量学习算法、序列最小优化算法、加权支持向量机算法等几种应用于大型数据库，在加快训练速度、降低分类错误率等方面有改进的SVM流行算法．在分析各种算法优缺点的基础上，提出了在线性样本训练、超大规模样本下满足KKT条件的算法是SVM算法的发展方向的观点．
|
| 关 键 词： | 支持向量机 增量学习算法 序列最小优化算法 加权支持向量机算法 |
| 文章编号： | 1004-4930（2006）02-0105-04 |
| 收稿时间： | 2005-10-17 |
Analysis of Studying Method Based on SVM |
| |
| LU Jia-sheng,WANG Cui-ping. Analysis of Studying Method Based on SVM[J]. Yantai Teachers University journal(Natural Science Edition), 2006, 22(2): 105-108 |
| |
| Authors: | LU Jia-sheng WANG Cui-ping |
| |
| Affiliation: | 1 .School of Open Education, Rizhao TV and Radio University, Rizhao 276826, China; 2. School of Information Science and Engineering, Shandong Normal University, Jinan 250014, China |
| |
| Abstract: | |
| |
| Keywords: | support vector machine increment learning algorithm SMO weighted support vector machine algorithm |
| 本文献已被 维普 等数据库收录！ |
