大规模数据集下支持向量机训练样本的缩减策略

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.

关键词：支持向量机、分解算法、类别质心、准支持向量

所属期刊栏目：34

分类号：TP3(计算技术、计算机技术)

资助基金：上海市特种光纤重点实验室科研项目

在线出版日期：2007-12-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：211-213