基于近邻边缘检测的支持向量机

摘要：

针对标准支持向量机方法需要存储、计算和处理核矩阵而学习效率很低,不能有效处理较大规模数据挖掘的问题,提出一种基于近邻边缘检测的支持向量机方法( SVM Method Based on Neighbor Edge Detection, ED_SVM)。该方法将近邻边缘检测技术引入SVM的训练过程,即首先对数据进行划分,选择混合类样本,通过边缘检测技术提取其中位于近似最优分类边界附近的含有较多重要支持向量信息的样本,构成新的小规模训练集,以在压缩训练集的同时保持原始支持向量信息的分布特性；并在新构成的训练集上训练标准SVM,在提高SVM学习效率的同时得到优秀的泛化性能。实验结果表明,本文提出的ED_SVM方法能够同时获得较高的测试精度和学习效率。

关键词：支持向量机、边缘检测、支持向量、泛化性能、学习效率、ED_SVM算法

分类号：TP18(自动化基础理论)

在线出版日期：2015-04-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：15-19,25