一种改进的快速支持向量机分类算法研究

被引:5
作者
秦玉平
王秀坤
机构
[1] 大连理工大学电子与信息工程学院
关键词
支持向量机; 快速算法; 分类; FCSVM; 改进;
D O I
暂无
中图分类号
TP301.6 [算法理论];
学科分类号
摘要
快速的支持向量机分类算法——FCSVM对支持向量集采用变换的方式,用支持向量集的子集代替全部支持向量进行分类计算,在保证不损失分类精度的前提下使得分类速度较传统SVM算法有较大提高.为了获得最小的支持向量子集,同时避免支持向量的移动,对FCSVM算法进行了改进.采用二分法优化分类函数中的支持向量数,给出了变换矩阵存在的充要条件及构造方法,减少了计算量.实验结果表明,改进的快速分类算法较大幅度地减少了计算复杂度,提高了分类速度,尤其在训练集规模庞大、支持向量数量较多的情况下,效果更加明显.
引用
收藏
页码:291 / 294
页数:4
相关论文
共 5 条
[1]   一种快速支持向量机分类算法的研究 [J].
刘向东 ;
陈兆乾 .
计算机研究与发展, 2004, (08) :1327-1332
[2]   支持向量机的新发展 [J].
许建华 ;
张学工 ;
李衍达 ;
不详 .
控制与决策 , 2004, (05) :481-484+495
[3]   支持向量机增量学习的算法与应用 [J].
曾文华 ;
马健 .
计算机集成制造系统-CIMS, 2003, (S1) :144-148
[4]   Feasible Direction Decomposition Algorithms for Training Support Vector Machines [J].
Pavel Laskov .
Machine Learning, 2002, 46 :315-349
[5]  
Convergence of a Generalized SMO Algorithm for SVM Classifier Design[J] . S.S. Keerthi,E.G. Gilbert.Machine Learning . 2002 (1)