解释SMO算法比较好的文档
http://wenku.baidu.com/view/aeba21be960590c69ec3769e.html
参考博客：
http://myjuno.blogbus.com/logs/242581064.html
SMO算法
http://cs229.stanford.edu/materials/smo.pdf
外层循环（主程序smo）遍历非边界样本或所有样本：优先选择遍历非边界样本，因为非边界样本更有可能需要调整，而边界样本常常不能得到进一步调整而留在边界上（可以想象大部分样本都很明显不可能是支持向量，它们的Lagrange乘子一旦取得零值就无需再调整）。循环遍历非边界样本并选出它们当中违反KKT条件的样本进行调整，直到非边界样本全部满足KKT条件为止。当某一次遍历发现没有非边界样本得到调整时，就遍历所有样本，以检验是否整个集合也都满足KKT条件。如果在整个集合的检验中又有样本被进一步优化，就有必要再遍历非边界样本。这样，外层循环不停地在“遍历所有样本”和“遍历非边界样本”之间切换，直到整个训练集都满足KKT条件为止。
SMO算法首先更新界内乘子的原因：
原问题是凸函数，对偶问题一定是凹函数
