期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息

支持向量机的一种改进的样本简约方法

在线阅读 下载PDF
导出
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。
作者 吴武杰
机构地区 厦门大学自动化系
出处 《福建电脑》 2008年第3期86-87,共2页 Journal of Fujian Computer
关键词 支持向量机 边界样本 简约 泛化能力
分类号 TP181 [自动化与计算机技术—控制理论与控制工程] TP18 [自动化与计算机技术—控制理论与控制工程]
  • 相关文献

参考文献5

二级参考文献29

  • 1曾文华,马健.支持向量机增量学习的算法与应用[J].计算机集成制造系统-CIMS,2003,9(z1):144-148. 被引量：27
  • 2杨路明,李丽.一种加速大规模SVM训练的新思路[J].微机发展,2004,14(12):136-138. 被引量：6
  • 3Boser B,Guyon I,Vapnik V.A training algorithm for optimal margin classifiers[A].Haussler D Proceedings of the 5th Annual ACM Workshop on Computational Learning Theory[C].ACM Press,1992.144-152.
  • 4Joachims T.Making large-scale support vector machine learning practical[A].Scholkopf B,Burges C,Smola A.Advances in Kernel Methods-Support Vector Learning[C].Cambridge,MA:MIT Press,1999.169-184.
  • 5Platt J.Fast training of support vector machines using sequential minimal optimization[A].ScholkopfB,Burges C,Smola A.Advances in Kernel Methods-Support Vector Learning[C].Cambridge,MA:MIT Press,1999.185-208.
  • 6Keerthi S,Gilbert E.Convergence of a generalized SMO algorithm for SVM classifier design[J].Machine Learning,2002,46(1/3):351-360.
  • 7Burges C J C.A tutorial on support vector machines for pattern recognition[J].Data Mining and Knowledge Discovery,1998,2(2):121-167.
  • 8Jiang Yuan,Zhou Zhi-Hua.Editing training data for KNN classifiers with neural network ensemble[EB/OL].http://cs.nju.edu.cn/people/zhouzh/zhouzh.files/publication/publication.htm,2005-11-20.
  • 9Chang C-C,Lin C-J.A Library for Support Vector Machines[EB/OL].http://www.csie.ntu.edu.tw/～cjlin/libsvm/index.html,2005-11-20.
  • 10Vapnik V N. The Nature of Statistical Learning Theory[M]. New York: Springer Verlag, 1995.

共引文献2354

福建电脑
2008年 第3期

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部