基于壳向量和中心向量的支持向量机

• 作者: 刘三阳 薛贞霞 齐小刚
• 来源期刊: 数据采集与处理
• 学科: 工学
• 关键词: 支持向量机 大规模训练集 壳向量 中心向量
• 年，卷（期）: 2009,（3）
• 所属期刊栏目: 理论与试验研究
• 页码范围: 328-334
• 页数: 7页
• 分类号: TP181
• 字数: 5889字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-9037.2009.03.015

摘要

针对支持向量机(Support vector machines,SVMs)中大规模样本集训练速度慢且分类精度易受野点影响的问题,提出一个基于样本几何信息的支持向量机算法.其基本步骤是,首先分别求取每类样本点的壳向量和中心向量,然后将求出的壳向量作为新的训练集进行标准的SVM训练得到超平面的法向量,最后利用中心向量来更新法向量从而减少野点的影响得到最终的分类器.实验表明,采用这种学习策略,不仅加快了训练速度,而且在一般情况下也提高了分类精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘三阳	西安电子科技大学理学院	662	5562	32.0	51.0
2	齐小刚	西安电子科技大学理学院	68	388	10.0	17.0
3	薛贞霞	西安电子科技大学理学院	18	89	5.0	8.0