支持向量机训练算法综述_王书舟.pdfVIP

第 3卷第 6期 　　　 　　　　 　　　　　　　智 　能 　系 　统 　学 　报 　　　　 　　　　 　 　 　　Vo l. 3 №. 6 2008年 12 月 　　　　　　　　　 　　CAA I Tran saction s on In telligen t System s 　　　 　　　　　　　　　D ec. 2008 支持向量机的训练算法综述 王书舟 , 伞 　冶 (哈尔滨工业大学 控制与仿真中心 ,黑龙江 哈尔滨 15000 1) ( ) 摘 　要 :支持向量机 SVM 是在统计学习理论基础上发展起来的新方法 ,其训练算法本质上是一个二次规划的求解 问题. 首先简要概述了 SVM 的基本原理 ,然后对 SVM 训练算法的国内外研究现状进行综述 ,重点分析 SVM 的缩减 算法和具有线性收敛性质的算法 ,对这些算法的性能进行比较 ,并且对 SVM 的扩展算法也进行简单介绍. 最后对该 领域存在的问题和发展趋势进行了展望. 关键词 :统计学习理论 ;支持向量机 ;训练算法 中图分类号 : TP39 1. 9　文献标识码 : A 　文章编号 : 1673 4785 (2008) A survey on tra in ing a lgor ithm s for support vector mach ine WAN G Shuzhou , SAN Ye (Control Sim u lation Centre, H arb in In stitu te of Technology, H arb in 15000 1, Ch ina) A b stract: Support vector m ach ine s ( SVM s) u se new m ethod s that originated in statistical learn ing theory. Train ing of an SVM can be form u lated a s a quadratic p rogramm ing p rob lem. The p rincip le s of SVM have been summ arized b riefly in th is p ap er. The late st developm en ts in SVM train ing algorithm s in dom e stic and oversea s re search were re viewed, e sp ecially reduction algorithm s and algorithm sw ith linear convergence p rop ertie s. The p erform ance of the se algorithm s wa s then comp ared, and a b rief in troduction to a p ropo sed exten sion of them wa s given. F inally som e p rob lem s and poten tial direction s for fu tu re re search are d iscu ssed. Keywords: statistical learn ing theory; support vector m ach ine; train ing algorithm s ( ) 　　支持向量机 support vector m ach ine, SVM 是近 对 SVM 本身的特点提出了许多算法 ,本文对这些算 年发展起来的一种通用机器学习新方法. 它不但具 法进行综述 ,包括块算法 、分解算法 、序贯最小优化 有坚实的理论基础 、简洁的数学形式 、直观的几何解