一种基于网格的最近邻SVM新算法

• 作者: 刘群 向浩宇 吴渝
• 来源期刊: 重庆邮电大学学报(自然科学版)
• 学科: 工学
• 关键词: 支持向量机(SVM) 最近邻 网格 NN-SVM算法
• 年，卷（期）: 2008,（6）
• 所属期刊栏目: 计算机与自动化
• 页码范围: 706-709
• 页数: 4页
• 分类号: TP391
• 字数: 3115字
• 语种: 中文

摘要

支持向量机(SVM)算法往往由于分类面过分复杂或过学习而导致其泛化能力降低,现有的最近邻(NN-SVM)或K近邻(K-NN-SVM)方法解决了这类样本问题,但算法时间复杂度高,处理海量样本的能力有限.在NN-SVM算法的基础上引入了网格概念,提出了G-NN-SVM算法,该算法先对空间进行分块,然后在空间块内计算样本距离,找出最近邻,并结合分块序列最小优化算法(SMO)进行了算法实现.实验表明,该方法降低了计算复杂度,它在保持分类精度的同时,提高了训练和分类的速度,并具有较强的泛化能力,从而提高了原NN-SVM算法的海量数据处理能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘群	重庆邮电大学人工智能研究所	62	540	11.0	21.0
2	吴渝	重庆邮电大学人工智能研究所	99	1784	17.0	40.0
3	向浩宇	重庆邮电大学人工智能研究所	1	6	1.0	1.0