计算机科学 ›› 2009, Vol. 36 ›› Issue (3): 184-188.
• • 上一篇 下一篇
出版日期:
发布日期:
基金资助:
Online:
Published:
摘要： 针对支持向量分类机对大规模数据集训练速度慢的瓶颈，提出一种聚簇消减数据集方法。首先建立样本中心距离函数，计算聚簇集的比例半径，然后利用聚簇集镜像扫描样本点确定簇集类，同一类样本特性的聚簇集中只保留代表样本点，建立异类点删除矩阵，通过上述方法消减样本集。证明了这种簇消减算法有较低的时间复杂度，并利用实验说明了保留代表点的有效意义。最后通过随机数据和UCI标准数据库验证了算法在保证分类精度的同时提高了分类速度。
关键词: 支持向量机 聚簇集 大规模数据集 训练速度
Abstract: A cluster Support Vector Machines （C-SVM） method for large-scale data set classification was presented to accelerate speed. Firstly, using function of centre distance calculated radius ratio. Then, data set was scanned by cluster mirror. By remaining repr
Key words: SVM, Cluster, Large-scale data set, Training speed
. 一种聚簇消减大规模数据的支持向量分类算法[J]. 计算机科学, 2009, 36(3): 184-188. https://doi.org/
0 / / 推荐
导出引用管理器 EndNote|Reference Manager|ProCite|BibTeX|RefWorks
链接本文: https://www.jsjkx.com/CN/
https://www.jsjkx.com/CN/Y2009/V36/I3/184
Cited
首页