分类大规模数据的核向量机方法研究

被引：3

作者：

蔡磊 ^{[1
]}

程国建 ^{[1
]}

潘华贤 ^{[1
]}

贾峰 ^{[2
]}

机构：

[1] 西安石油大学计算机学院

[2] 长庆油田分公司矿区服务事业部靖边物业服务处

来源：

西安石油大学学报(自然科学版) | 2009年 / 24卷 / 05期

关键词：

支持向量机; 核向量机; 最小包围球;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

标准的支持向量机算法需要求解二次规划问题,因此,在处理大规模样本的时候,求解二次规划问题的时间复杂度和空间复杂度就成为支持向量机应用的一个瓶颈.核向量机将传统支持向量机中的二次规划问题转化为求解最小包围球问题,从而显著降低了二次规划的复杂程度.使用核向量机对大规模数据进行分类,所选用的数据样本数均超过2000,并与标准的支持向量机作了对比实验结果表明:核向量机在处理大规模数据分类时,比标准的支持向量机计算复杂度低,训练速度快,耗费空间少.

引用

页码：89 / 92+113 +113-114

页数：6