计算机科学 ›› 2007, Vol. 34 ›› Issue (10): 211-213.
• 软件工程与数据库技术 • 上一篇 下一篇
出版日期:
发布日期:
基金资助:
Online:
Published:
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
Abstract: Training algorithm for large-scale support vector rnachines（SVM） is an important and active subject in the field of SVM research. After the analysis of the nature and difficulties in training SVM, a new reduction strategy is proposed in this paper for tra
Key words: Support vector machines, Decomposition algorithm, Reduction strategy,Centroid , Quasi-support vectors
. 大规模数据集下支持向量机训练样本的缩减策略[J]. 计算机科学, 2007, 34(10): 211-213. 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/Y2007/V34/I10/211
Cited
首页