SMO

社会化媒体优化(Social Media Optimization)

社会化媒体优化（SMO）是通过社会化媒体、在线组织及社区网站获得公共传播的一整套方法。

社会媒体优化，简称SMO，就是利用社会媒体对外发布网站的新闻，这不是对网站本身的某些元素进行优化，SMO要求网站的管理员加入到社会网络，并积极在网络中发布跟网站有关的各种内容。

通过参与社会网络：优化所发布的网站信息，就能给网站带来访问量。除此之外，社会媒体优化还有很多其他好处。参与各种社会网络都是免费的，所需要的只是时间，不要据此认为SMO是一件很轻松的事情，这种优化需要投入大量的时间，如果想要使自己发布的内容能够引起他人注意，则必须熟悉这个社区，并积极参与其中，扩大自己的影响力。

序列最小优化算法（简称SMO算法）

SMO算法是一种解决二次优化问题的算法，其最经典的应用就是在解决SVM问题上。SVM推导到最后，特别是使用了拉格朗日因子法求解之后便不难发现其最终等效为一个二次规划问题。二次规划问题有很多成熟的解法，在SMO算法出现之前这些解法就已经应用到了SVM问题的求解上。但是这些解法无论效果如何都有一个共同的缺点即是计算量太大，在小样本的情况下尚堪使用，数据量一大就变得难以奏效。1996年，John Platt发布了一个称为SMO的强大算法，用于训练SVM分类器。其基本思路就是一次迭代只优化两个变量而固定剩余的变量。直观地讲就是将一个大的优化问题分解为若干个小的优化问题，这些小的优化问题往往是易于求解的。要想搞清楚SMO算法首先要简要介绍一下SVM。