支持向量机的快速分类算法

• 作者: 张怀念 徐红敏 王若鹏
• 来源期刊: 北京石油化工学院学报
• 学科: 工学
• 关键词: 支持向量 训练集 边界向量 分类 算法
• 年，卷（期）: 2009,（4）
• 页码范围: 55-58
• 页数: 4页
• 分类号: TP18
• 字数: 2952字
• 语种: 中文
• DOI: 10.3969/j.issn.1008-2565.2009.04.013

摘要

支持向量机(SVM)算法在训练集的规模很大特别是支持向量很多时,支持向量机的学习过程需要占用大量的内存,算法的速度较慢.为此,笔者提出一种新的SVM快速分类算法.该算法通过选择边界向量,构造新的训练样本,减少了参与训练的样本数目.实验证明,该算法不仅能保证原算法的精度,具有良好的推广能力,而且提高了算法的速度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张怀念	北京石油化工学院数理系	5	13	1.0	3.0
2	徐红敏	北京石油化工学院数理系	15	163	6.0	12.0
3	王若鹏	北京石油化工学院数理系	21	96	7.0	8.0