一种提高SVM分类速度和泛化性的新方法

• 作者: 刘鹏 孟海涛 陈笑蓉
• 来源期刊: 贵州大学学报（自然科学版）
• 学科: 工学
• 关键词: 支持向量机 类质心 类向心度
• 年，卷（期）: 2007,（1）
• 所属期刊栏目: 计算机、信息与电子科学
• 页码范围: 50-53
• 页数: 4页
• 分类号: TP301.6
• 字数: 3187字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-5269.2007.01.013

摘要

提出了一种改进的支持向量分类方法,根据支持向量机中支持向量不会出现在两类样本集间隔以外的正确划分区的理论,通过引入类质心,类半径,类质心距等概念,从而较好地解决快速而准确的删除非支持向量的问题,引入了类向心度的概念,解决了当两类样本集混淆严重的时候如何更加精确的进行剔除混淆点,保证算法泛化性的问题.实验表明,采用这种改进的算法既能快速精确的对训练样本进行删减又可以当两类训练样本集混淆较严重时较好的解决泛化性问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘鹏	贵州大学计算机科学与技术学院	25	52	5.0	6.0
2	陈笑蓉	贵州大学计算机科学与技术学院	68	569	12.0	21.0
3	孟海涛	贵州大学计算机科学与技术学院	3	29	3.0	3.0