SMO算法由Microsoft Research的John C. Platt在1998年提出，并成为最快的二次规划优化算法，特别针对线性SVM和数据稀疏时性能更优。关于SMO最好的资料就是他本人写的 《Sequential Minimal Optimization A Fast Algorithm for Training Support Vector Machines》了。

我的博客上有详细解说这个算法的实现，用java代码实现，以及每个公式的解说。网址：http://blog.csdn.net/techq/archive/2011/02/01/6171688.aspx

自己写的，有运行截图

smo 的java代码

支持向量机SVM是重要的机器学习算法，这里使用matlab软件进行SMO算法设计，实现最优化分类。本次作业是实现SVM学习方法中序列最优化算法（SMO），其中my_svm.m和my_svmtrain.m与此次作业相关的两个文件。my_svm.m

SMO 算法python源代码 有兴趣了解的朋友可以下载来运行看看效果 这个是关于SVM中的优化算法

支持向量机：SMO算法剖析 自己整理 支持向量机：SMO算法剖析 自己整理 支持向量机：SMO算法剖析 自己整理 支持向量机：SMO算法剖析 自己整理

smo算法优化matlab代码机器学习算法对比 运行代码： 从 GitHub 克隆项目 启动 Matlab 在 Matlab 中，移动到刚刚下载的目录 (cMLA-GitRepo) 为了预处理和转换weka的数据集，移动到数据集目录并运行（F9）转换器（例如：移动到\Datasets\BCIC_3_DS_4a_100hz，运行BCIC_3_DS_4a_converter.m） 要绘制结果（Clustergram 和 Pearson 相关矩阵），请运行 plotresults_new.m 要绘制平均皮尔逊相关矩阵，请在 plotresults_new.m 中删除第 187-248 行的注释符号 要向绘图添加标题，请在 plotresults_new.m 中，从第 156,165,216 行中删除注释符号，并相应地手动重命名第 7 行中的标题。 变更日志： 04.01.2016 - 收尾 LRM 更名为 LR 添加了优化的参数值 删除了 2 个文件夹 添加了用于在傅立叶变换前后绘制示例信号的脚本 05.12.2015 - 大修 更新的图表和结果 13.05.2015 - 更新图表 Clus

本程序应用SVM为基础，核函数采用高斯核函数，数据为手写数字数据1和9，用smo加速算法，识别正确率达99.4%，而且我博客有讲解

SVM算法中最后求解拉格朗日乘子优化的SMO算法的C++实现版本