级联支持向量机（Cascade SVM）是一种通过并行处理来减少传统SVM算法时间与空间复杂度的方法，特别是在处理大量非线性支持向量时。该方法通过在不同层过滤非支持向量，逐步缩小优化问题的规模。在每一层，数据被分割成子集，独立寻找支持向量，然后将结果连接以形成新的训练集。最终，只有在最后一层无法达到全局最优时，才会回溯到第一层并与非支持向量一起迭代。此过程有效减少了需要处理的数据量，提高了效率。
对于标题布置如何翻译较好；
本文翻译自论文：http://download.csdn.net/download/aq_cainiao_aq/10136946
parallel support vector machine：the cascade svm
cascade svm的提出是通过并行的方式解决svm算法时间和空间占用资源多的缺点，尤其是非线性svm需要较多的支持向量时，数据占用内存多，运行耗时长。
接下来只介绍算法部分，不是完全按照原文翻译，内容有删减。
the cascade svm
从优化问题中提前排除支持向量可以加速SVM，即使用过滤过程实现高效并行。
图1描述的是层叠SVM的结构。在第一层，数据被分成子数据集并且独立的寻找支持向量。第一层的结果在下一层被两两连接作为新的训练集。最后一层得到的支持向量测试是否能够全局收敛，如果不能，就要和非支持向量数据一起迭代回第一层。
TD:training data 训练数
最低0.47元/天 解锁文章
扫一扫
410
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
