支持向量机的一种改进的样本简约方法 |
| |
引用本文: | 吴武杰.支持向量机的一种改进的样本简约方法[J].福建电脑,2008(3):86-87. |
| |
作者姓名: | 吴武杰 |
| |
作者单位: | 厦门大学自动化系,福建,厦门,361005 |
| |
摘 要: | 经典的支持向量机(SVM)训练算法的实质是求解一个凸二次规划问题,当训练样本很多时,算法的速度会比较慢,且如果两类样本过分交叉,又会降低支持向量机的泛化能力。为了加快支持向量机的训练速度和改善其泛化能力。文章提出了一种改进的样本简约方法。该方法首先抽取边界样本,然后对边界样本中可能存在的噪音、孤立点进行修剪,由此得出最终的训练样本。实验结果表明,该简约方法不仅节约了训练时间,而且改善了支持向量机的泛化性能。
|
关 键 词: | 支持向量机 边界样本 简约 泛化能力 |
本文献已被 CNKI 维普 万方数据 等数据库收录! |
|