基尔西,S.S。;谢瓦德,S.K。 最小二乘支持向量机公式的SMO算法。 (英语) Zbl 1047.68100号 神经计算机。 15,第2期,487-507(2003). 摘要:本文将支持向量机(SVM)的著名SMO算法扩展到最小二乘支持向量机公式,其中包括LS-SVM分类、核岭回归和一种特殊形式的正则核Fisher判别式。该算法被证明是渐近收敛的。它也非常容易实施。计算实验表明,该算法速度快,并且可以根据示例数高效地进行缩放(二次缩放)。 引用于13文件 MSC公司: 68T05型 人工智能中的学习和自适应系统 关键词:支持向量机 软件:伦敦银行支持向量机;LOQO公司 PDF格式BibTeX公司 XML格式引用 \textit{S.S.Keerthi}和\textit{S.K.Shevade},神经计算。15,第2号,487--507(2003;Zbl 1047.68100) 全文: 内政部 参考文献: [1] 内政部:10.1162/089976601300014493·Zbl 1085.68629号 ·doi:10.1162/089976601300014493 [2] DOI:10.1023/A:1018628609742·兹伯利05467879 ·doi:10.1023/A:1018628609742 [3] 内政部:10.1162/089976602753633411·Zbl 1003.68146号 ·doi:10.1162/089976602753633411 此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配,并且可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。