论文研究求解最小闭包球问题改进的SMO型算法.pdf

研究[n]维空间中[m]个点的最小闭包球（MEB）问题。通过结合确定并删除内部点的技术到序列最小最优化（SMO）方法中，提出一种近似求解MEB问题的改进的SMO-型算法。证明了该算法具有线性收敛性。数值结果表明对于一些[m?n]的大规模数据集，改进的算法与原算法相比速度可以提高10倍以上。尤其，当[n]等于100且[m]等于100000时，改进的SMO-型算法仅需执行8s。此外，对于[n]等于10000且[m]等于1000的大规模数据集，改进的算法也仅需执行150s。