用LDLT并行分解优化大规模SVM的训练效率

摘要：

支持向量机在大规模训练集上学习时,存在学习时间长、泛化能力下降的问题.研究使用路径跟踪内点法构建面向大规模训练集的 SVM 学习算法,找到影响算法学习效率的关键是求解大型线性修正方程,首先使用降维法降低修正方程的维数,再使用矩阵 LDL<'T> 并行分解高效地求解子修正方程,达到优化大规模 SVM 学习效率的目的,实验结果说明 SVM 训练效率提升的同时不影响 SVM 模型的泛化能力.

关键词：大规模支持向量机、路径跟踪内点法、矩阵、LDLT、并行分解

所属期刊栏目：47

分类号：TP311(计算技术、计算机技术)

资助基金：广西高校人才小高地建设创新团队计划基金资助项目桂教人[2007]71

在线出版日期：2011-07-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：200-202,212