期刊文献+

一种新的支撑矢量机快速训练算法 被引量:1

A FAST ALGORITHM FOR EXTRACTING SUPPORT VECTOR ON MAHALANOBIS DISTANCE
在线阅读 下载PDF
导出
摘要 用支撑矢量机(SVM)分类时,针对大规模数据集,SVM的训练成为一个难题.提出了一种采用样本到某一类的马氏距离来提取可能为支撑矢量的数据的方法,同时阐明了如何解决在输入空间和特征空间中求马氏距离所遇到的问题.利用特征值、特征矢量及伪逆运算的并行计算方法,建立了一种提取支撑矢量的快速算法.用该方法对训练数据进行预处理后,可以加快SVM的训练速度.实验结果也表明了该方法的有效性.
出处 《广西师范大学学报(自然科学版)》 CAS 2003年第1期106-110,共5页 Journal of Guangxi Normal University:Natural Science Edition
基金 国家自然科学基金,高等学校博士学科点专项科研项目
  • 相关文献

参考文献5

  • 1[1]Joachims T.Making large-scale SVM learning practical,advances in kernel methods-support vector learning[M].Scholkopf B,et al.MA:MIT Press,1998.169-184.
  • 2[2]Platt J.Sequential minimal optimization:a fast algorithm for training support vector machines,advances in kernel methods-support vector learning[M].Scholkopf B,et al.MA:MIT Press,1998.185-208.
  • 3[3]Vapnik V.Statistical learning theory[M].New York:John Willey,1998.
  • 4[4]Burges C J C.A tutorial on support vector machines for pattern recognition[J].Data Mining and Knowledge Discovery,1998,2(2):955-974.
  • 5[5]Ruiz A.Nonlinear kernel-based statistical pattern analysis[J].IEEE Trans on NN,2001,12(1):16-32.

同被引文献15

引证文献1

二级引证文献9

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