【读论文】多项式核函数 SVM 快速分类算法（2007）

【读论文】多项式核函数 SVM 快速分类算法（2007）
左森

DOI: 10.3969/j.issn.1000-3428.2007.06.010

摘要

标准的 SVM 分类计算过程中有大量的支持向量参与了计算，导致了分类速度缓慢。该文为提高 SVM 的分类速度，提出了一种快速的多项式核函数 SVM 分类算法，即将使用多项式核的 SVM 分类决策函数展开为关于待分类向量各分量的多项式，分类时通过计算各个多项式的值而得到分类结果，使分类计算量和支持向量数量无关，又保留了全部支持向量的信息。当多项式核函数的阶数或待分类向量的维数较低而支持向量数量较多时，使用该算法可以使 SVM 分类的速度得到极大的提高。针对实际数据集的实验表明了该算法的有效性。

关键词：

支持向量机；多项式；分类

总结：
为提高 SVM 的分类速度，许多学者致力于减小支持向量的数量。和他们的思路不同，本文提出了一种针对多项式核函数 SVM 的快速分类算法FCPKSVM。在对多项式展开后计算量详细分析的基础上，本文提出将多项式核函数 SVM分类决策函数展开为待分类向量各分量的多项式，分类时通过计算各个展开项的值而得到分类结果，这就是 FCPKSVM的核心思想。它避开了待分类向量和各个支持向量逐个进行的运算，使分类计算量和支持向量数量无关。当多项式核函数的阶数或维数较低、支持向量数量较多时，使用 FCPKSVM可以使 SVM 分类的速度得到极大的提高；同时，它保留了所有支持向量的信息，不会造成分类精度的丝毫下降。

1.该论文研究了什么？

标准的支持