基于数据分割和近邻对的快速SVM分类算法

• 作者: 张永 杨晓伟
• 来源期刊: 科学技术与工程
• 学科: 工学
• 关键词: 支持向量机 c-均值聚类 数据分割 邻近对策略
• 年，卷（期）: 2007,（21）
• 所属期刊栏目: 论文
• 页码范围: 5563-5566
• 页数: 4页
• 分类号: TP311.12
• 字数: 2534字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-1815.2007.21.024

摘要

大样本的学习是支持向量机领域中的一个重要课题.基于数据分割和邻近对策略,提出了一种新的支持向量机分类算法.在新的算法中,首先利用c-均值聚类分别对数据集中的正负类进行聚类,把大数据集分割成互不相交的子集合;然后来自正负类的子集合两两组合形成多个二分类问题,并用SMO算法求解;最后用邻近对策略对未知数据进行识别.为了验证新算法的有效性,把它应用于5个UCI数据集,并和SMO算法做了比较.结果表明:新算法不仅大大地减少了大样本学习的训练时间,而且相应的测试精度几乎没有降低.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨晓伟	华南理工大学数学科学学院	38	588	12.0	24.0
3	张永	华南理工大学数学科学学院	9	42	3.0	6.0