大规模训练集的快速缩减

被引：5

作者：

罗瑜 ^{[1
]}

易文德 ^{[2
]}

何大可 ^{[1
]}

林宇 ^{[3
]}

机构：

[1] 西南交通大学信息科学与技术学院

[2] 重庆文理学院数学与计算机科学系

[3] 西南交通大学经济管理学院

来源：

西南交通大学学报 | 2007年 / 04期

关键词：

支持向量机; 类别质心; 模式分类;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

为了进一步减少支持向量机的训练时间,提出了一种基于类别质心的训练集缩减算法.该算法根据样本的几何分布去除训练集中大部分非支持向量.对样本规模在104数量级的数据集进行了训练实验,结果显示,在基本不损失分类精度的情况下,训练时间比直接用SMO(序贯最小优化)算法减少30%,说明该算法能有效地提高支持向量机的训练速度.

引用

页码：468 / 472+489 +489

页数：6

共 7 条

[1] 基于类中心思想的去边缘模糊支持向量机 [J].