大规模训练集的快速缩减

• 作者: 何大可 易文德 林宇 罗瑜
• 来源期刊: 西南交通大学学报
• 学科: 工学
• 关键词: 支持向量机 类别质心 模式分类
• 年，卷（期）: 2007,（4）
• 页码范围: 468-472,489
• 页数: 6页
• 分类号: TP39
• 字数: 3730字
• 语种: 中文
• DOI: 10.3969/j.issn.0258-2724.2007.04.016

摘要

为了进一步减少支持向量机的训练时间,提出了一种基于类别质心的训练集缩减算法.该算法根据样本的几何分布去除训练集中大部分非支持向量.对样本规模在104数量级的数据集进行了训练实验,结果显示,在基本不损失分类精度的情况下,训练时间比直接用SMO(序贯最小优化)算法减少30%,说明该算法能有效地提高支持向量机的训练速度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何大可	西南交通大学信息科学与技术学院	182	1679	20.0	31.0
2	易文德	重庆文理学院数学与计算机科学系	33	208	8.0	13.0
3	罗瑜	西南交通大学信息科学与技术学院	8	126	6.0	8.0
4	林宇	西南交通大学经济管理学院	6	136	6.0	6.0