基于改进的LBG算法的SVM学习策略

• 作者: 吴秀清 张邵一 李滔 王俊普
• 来源期刊: 复旦学报（自然科学版）
• 学科: 工学
• 关键词: SVM 机器学习 LBG算法 矢量量化 图像分类
• 年，卷（期）: 2004,（5）
• 页码范围: 789-792
• 页数: 4页
• 分类号: TP18
• 字数: 2983字
• 语种: 中文
• DOI: 10.3969/j.issn.0427-7104.2004.05.028

摘要

针对SVM方法在大样本情况下学习和分类速度慢的问题,提出了利用LBG算法对训练样本进行预处理,然后再使用传统的SVM算法进行训练的策略,并提出了一种改进的LBG算法.通过对仿真数据以及对实际的纹理图像的分类实验表明,这种预处理方法能在保持学习精度的同时减小训练样本以及决策函数中支持向量集的规模,从而提高学习和分类的速度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王俊普	中国科技大学自动化系	5	92	4.0	5.0
2	李滔	中国科技大学自动化系	4	36	3.0	4.0
3	吴秀清	中国科技大学电子工程与信息科学系	6	60	5.0	6.0
4	张邵一	中国科技大学自动化系	1	8	1.0	1.0