大规模数据集下支持向量机训练样本的缩减策略

被引：13

作者：

罗瑜 ^{[1
]}

易文德 ^{[2
]}

王丹琛 ^{[3
]}

何大可 ^{[1
]}

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] 四川省信息安全测评中心

来源：

计算机科学 | 2007年 / 10期

关键词：

支持向量机; 分解算法; 类别质心; 准支持向量;

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：

大量数据下支持向量机的训练算法是SVM研究的一个重要方向和焦点。该文从分析SVM训练的问题的实质和难点出发,提出一种在训练前先求出类别质心,去除非支持向量对应的样本,从而达到缩小样本集的方法。该方法在不损失分类正确率的情况下具有更快的收敛速度,并从空间几何上解释了支持向量机的原理。仿真实验证明了该方法的可行性和有效性。

引用

页码：211 / 213

页数：3

共 6 条

[1]

数据挖掘中的新方法.[M].邓乃扬;田英杰著;.科学出版社.2004,

[2]

统计学习理论.[M].(美)瓦普尼克(VladimirN.Vapnik)著;许建华;张学工译;.电子工业出版社.2004,

[3]

计算智能的数学基础.[M].褚蕾蕾等编著;.科学出版社.2002,

[4]

最优化原理与方法.[M].薛毅编著;.北京工业大学出版社.2001,

[5]

统计学习理论的本质.[M].(美)VladimirN.Vapnik著;张学工译;.清华大学出版社.2000,

[6]

Advances in Kernel Methods-Support Vector Learning..Platt J C;.MIT Press.1998,

← 1 →