国家自然科学基金(70501008)
- 作品数：2 被引量：14H指数：2
- 相关作者：王小明曹丽娟更多>>
- 相关机构：复旦大学更多>>
- 发文基金：上海市浦江人才计划项目国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 快速训练支持向量机的并行结构
- 序列最小优化（SMO）是一种常见的训练支持向量机（SVM）的算法,但在求解大规模问题时,它需要耗费大量的计算时间。文章提供SMO的一种并行实现方法。并行SMO是利用信息传递接口（MPI）开发的。首先将整个训练数据集分为多...
- 曹丽娟王小明
- 关键词：支持向量机
- 文献传递
- 训练支持向量机的并行序列最小优化方法被引量：8
- 2007年
- 序列最小优化(SMO)是训练支持向量机(SVM)的常见算法,在求解大规模问题时,需要耗费大量的计算时间。该文提出了SMO的一种并行实现方法,验证了该算法的有效性。实验结果表明,当采用多处理器时,并行SMO具有较大的加速比。
- 曹丽娟王小明
- 关键词：支持向量机序列最小优化
- 快速训练支持向量机的并行结构被引量：7
- 2006年
- 序列最小优化(SMO)是一种常见的训练支持向量机(SVM)的算法,但在求解大规模问题时,它需要耗费大量的计算时间。文章提供SMO的一种并行实现方法。并行SMO是利用信息传递接口(MPI)开发的。首先将整个训练数据集分为多个小的子集,然后同时运行多个CPU处理器处理每一个分离的数据集。实验结果表明,当采用多处理器时,在Adult数据集上并行SMO有较大的加速比。
- 曹丽娟王小明
- 关键词：支持向量机
