论文部分内容阅读
序列最小优化算法（Sequential Minimal Optimization,SMO）是针对支持向量机算法执行速度慢而提出来的,它通过最小化分块来加速算法,对不同数据集来说,其算法加速可达100x-1 000x。但是随着数据量的增大,其算法执行时间仍然较慢。为了加速算法,本文结合现代较发达的图形处理单元（Graphics Processing Unit,GPU）计算,通过多处理器并行执行方式,提出对算法并行化。主要的并行点在于确定了两个参数α1、α2之后,求解局部最优,从而更新所有参数的过程是天然并行