基于重复训练提高SVM识别率的算法

• 作者: 杨绍全 董春曦 饶鲜
• 来源期刊: 系统工程与电子技术
• 学科: 工学
• 关键词: 支持向量机 模式识别 重复训练 识别率 KKT条件
• 年，卷（期）: 2003,（10）
• 所属期刊栏目: 软件、算法与仿真
• 页码范围: 1292-1294
• 页数: 3页
• 分类号: TB114.3
• 字数: 2752字
• 语种: 中文
• DOI: 10.3321/j.issn:1001-506X.2003.10.034

摘要

支持向量机(support vector machine,SVM)作为一种新的模式识别算法,在许多模式识别问题上表现出了良好的识别性能和推广能力.和其它模式识别方法一样,如何进一步提高识别率一直是研究的热点.通过分析SVM的分类机理,提出了一种基于重复训练的SVM算法.该算法以较小的训练代价,通过提高支持向量在样本中的比例,提高了SVM的识别性能.基于重复训练的SVM算法为提高识别率提供了一种新的思路,也为SVM算法的自学习奠定了基础.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨绍全	西安电子科技大学电子工程学院	96	1198	16.0	30.0
2	董春曦	西安电子科技大学电子工程学院	43	648	12.0	25.0
3	饶鲜	西安电子科技大学电子工程学院	16	360	8.0	16.0