10.3778/j.issn.1002-8331.1507-0245
基于边界样本选择的支持向量机加速算法
针对支持向量机(Support Vector Machine,SVM)处理大规模数据集的学习时间长、泛化能力下降等问题,提出基于边界样本选择的支持向量机加速算法.首先,进行无监督的K均值聚类;然后,在各个聚簇内依照簇的混合度、支持度因素应用K近邻算法剔除非边界样本,获得最终的类别边界区域样本,参与SVM模型训练.在标准数据集上的实验结果表明,算法在保持传统支持向量机的分类泛化能力的同时,显著降低了模型训练时间.
支持向量机、大规模分类、边界样本、聚类
53
TP181(自动化基础理论)
2014年国家星火计划项目2014GA780031;广东省自然科学基金2015A030313638;广东高校优秀青年创新人才培养计划资助项目2013LYM_0097,2014KQNCX184;佛山科学技术学院校级科研项目
2017-04-01(万方平台首次上网日期,不代表论文的发表时间)
共5页
169-173