排序方式: 共有2条查询结果,搜索用时 15 毫秒
1
1.
2.
目前的支持向量机解析方法,如SM0算法在一定程度上解决传统支持向量机实现方法需要高额存储空间的问题,而对支持向量数目的约减并末过多关注,算法的稀疏性有待进一步提高。该文将FOBa算法对特征进行约减的思想引入SMO算法中,对训练产生的作用甚微的支持向量进行约减,提出了稀疏SMO算法。实验结果表明算法在提高预测速度上具有一定的竞争力。 相似文献
1