支持向量机主动集方法的有效实现
卡蒂亚·申伯格; 7(80):2237−2257, 2006.
摘要
我们提出了一种主动集算法来求解凸二次规划（QP）问题是支持向量机（SVM）训练。基础方法不是新方法，它基于单纯形方法及其变体的广泛实践对于凸二次型问题。然而，它的应用大规模SVM问题是新的。直到最近传统的活动集方法被认为不适用于大型SVM问题。通过调整方法以适应特殊情况SVM问题的结构我们能够产生一个高效的实施。我们对这种行为进行了广泛的研究我们的方法及其在SVM问题上的变化。我们将我们的方法与Joachims的SVM光（见Joachims，1999年）。结果表明，我们的方法具有全局性在许多SVM问题上具有更好的性能。似乎有在更困难的问题上具有特别强大的优势。此外，该算法具有更好的理论性质它自然扩展到增量模式。自该方法解决了标准SVM公式，如支持向量机光，这些的泛化性质这两种方法是相同的，我们不在论文。
[腹肌]
[pdf格式][围兜]
