SVM: Wie löst man das Minimierungsproblem?

[Jens]

Hallo Zusammen,

Seit kurzer Zeit beschäftige ich mich mit Support Vector Maschinen.
Nachdem ich das Gefühl habe, grundsätzliche Zusammenhänge einigermaßen
begriffen zu haben, wollte ich einmal versuchen eine SVM zu
programmieren.
Wie es scheint, muss ich lediglich eine Hyperebene berechnen, die
folgende
Form hat:

wx+b=0 (w=Gewichtsvektor, x=Trainingsdatenvektor)

Um w und b zu bekommen, muss man eine Lagrangegleichung maximieren.
Diese
lässt sich durch eine duale Gleichung ausdrücken, welche man
minimieren muss.
Aus der Minimierung erhält man den Lagarngemuliplikator, den man
benutzen kann,
um w und b auszurechnen.Jedoch heisst es in allen Büchern, in denen
ich darüber
etwas gelesen habe, dass das Auffinden einer Lösung dieses
Minimierungsproblems
nicht mit einfachen rechnerischen Mitteln zu finden ist. Vielmehr muss
man numerische Methoden
der quadratischen Optimierung anwenden.
Leider weis ich aber gar nicht welche Methoden das sein sollen. Kann
mir
jemand sagen welche numersichen Methoden gemeint sind, so dass ich
gezielt
dannach suchen kann?

Danke schon mal

Jens