SMO并行算法实现．.ppt

算法精髓：每次选取两个α进行更新 把训练样例分为五个集合： SMO并行算法实现 王海波 河北大学数学与计算机学院 Department of Mathematics and Computer Science Hebei University SVM问题描述 C-SVM分类器 SMO算法思想 SMO并行点及实现 总结与展望 参考文献 SVM 问题描述 给定数据集： 线性SVM就是要找到一个能正确分类所有样例且间隔最大的平面。如果数据集线性可分，则问题可以用下式描述: SVM 线性可分 一般称上面的分类器为线性硬间隔支持向量分类机。 但是如果数据集线性不可分，这时通常引入松弛变量ε，放松约束。这时问题描述改为下面的形式: SVM 线性不可分 这样的分类器称为线性软间隔支持向量分类机。 SVM 对偶问题 原问题： 线性 SVM 和线性可分数据集： 线性 SVM 和线性不可分数据集： 对偶问题： 原问题： 对偶问题： 如果数据集线性不可分，也可以通过引入一个非线性变换 ，将数据影射到特征空间，由于纬数升高，在原来线性不可分的数据，在高纬空间可能变成线性可分。 SVM 特征空间 特征空间 原空间 一个核就是一个函数K，对所有的 有 核函数 成立。这样，我们就不用去关心到特征空间的映射到底是什