Résumé:
Les machines à vecteurs de support sont un ensemble de techniques d apprentissage
destinées à résoudre des problèmes de discrimination, c est-à-dire décidé à quelle classe ap-
partient un échantillon. Les SVM sont une généralisation des classi er linéaires. Dons ce
mémoire propose un nouvel algorithme pour la formation de machines à vecteurs de sup-
port : Optimisation Minimal Séquentielle, ou SMO. L apprentissage d une machine à vecteur
de support nécessite la solution de un très grand problème d optimisation de programmation
quadratique (QP). SMO casse cette grande Problème QP dans une série de problèmes QP
les plus petits possibles. Ces petits problèmes de QP sont résolus analytiquement, ce qui
évite d utiliser une optimisation QP numérique longue en tant que Boucle interne.
