期刊文献+

基于WEKA的序列最小化算法的改进研究 预览

Research on Sequential Minimal Optimization Algorithm
在线阅读 下载PDF
收藏 分享 导出
摘要 数据挖掘算法中的支持向量机算法,在通过若干学者的改进研究后,有一种改进算法即序列最小化算法主要应用于小样本数据集的分类,且分类效果较好,但在训练大规模数据集时,用时长、所需存储空间大,挖掘效率低。针对这一缺陷,通过改变存储策略改进该算法,在WEKA这个软件平台下,在保证分类正确率的前提下,缩短了训练时间,缩减了大量的存储空间,大大地提高了算法的效率,使其更加适应大规模数据集的训练。 Support Vector Machine algorithm is one of data mining algorithms.And after some scholars' research,there is a new algorithm that is Sequential Minimal Optimization Algorithm(SMO) which is usually used in the small sample datasets classification,and classification is better than other methods,but when training large-scale datasets,it takes long time to train,and needs high storage space.The mining efficiency is lower than small datasets.In response to this defect,improving the algorithm by changing the storage strategy in WEKA software platform.
作者 王朝辉 黎鑫
出处 《工业控制计算机》 2012年第8期81-82,84共3页 Industrial Control Computer
关键词 数据挖掘 序列最小化算法 大规模数据集 挖掘效率 WEKA data mining SMO large dataset digging efficiency WEKA
  • 相关文献

参考文献9

  • 1熊平主编..数据挖掘算法与Clementine实践[M].北京:清华大学出版社,2011:237.
  • 2卢媛媛,张剑,何海燕.基于WEKA的客户分类信息系统研究[J].计算机工程与科学,2011,33(5):132-135. 被引量:7
  • 3陈慧萍,林莉莉,王建东,苗新蕊.WEKA数据挖掘平台及其二次开发[J].计算机工程与应用,2008,44(19):76-79. 被引量:33
  • 4Cortes C,Vapink V. Support vector networks. Machine Learning, 1995, 20:273-297. 被引量:1
  • 5Osuna E, Freund H,Girosi F. An improvend training algorithm for support vector machines.ln:Nerual Networks for Signal Processing Ⅶ-Proceedings of the 1997 IEEE Workshop. IEEE, 1997:276-285. 被引量:1
  • 6邓乃扬,田英杰数据挖掘中的新方法-支持向量机[M].北京:科学出版社,2005:328-341 被引量:12
  • 7H.Witten.et aI.Data Mining:Practical Machine Learning Tools and Techniques.北京:机械工业出版社,2006. 被引量:1
  • 8Platt J C. Fast Traning of SVM Using Sequential Minimal Optimization. In: Scholkopf B, Burges C J C, Smola A J eds., Advances in Kernel Methods -Support Vector Learning, Cambridge, MA: MIT Press, 1998, 185-208. 被引量:1
  • 9张召,黄国兴,鲍钰.一种改进的SMO算法[J].计算机科学,2003,30(8):128-129. 被引量:3

二级参考文献25

共引文献51

投稿分析

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部 意见反馈