基于二阶序列最小优化的最小闭包球近似算法

作者：丛伟杰; 王佳佳; 安梦园

来源：西安邮电大学学报, 2022, 27(03): 16-20.

DOI：10.13682/j.issn.2095-6533.2022.03.003

• 机器学习
• 最小闭包球
• 二阶序列最小优化型算法
• 大规模高维数据集

对求解大规模高维数据集的最小闭包球问题进行研究。基于机器学习中训练支持向量机的序列最小优化(Sequential Minimal Optimization, SMO)算法，提出一种近似计算最小闭包球的二阶SMO-型算法。利用Lagrangian对偶函数的二阶泰勒展开式计算新的工作集，每次迭代只更新工作集所对应可行解的两个分量，构造新的可行解，并建立二阶SMO-型算法的多项式时间复杂度。数值实验结果表明，对于大规模高维数据集，二阶SMO-型算法比一阶SMO-型算法运行速度更快，尤其结合了加速技术的二阶SMO-型算法计算效率更高。

• 单位
  西安邮电大学