基于层次聚类的大样本加权支持向量机

• 作者: 冯一宁 王来生 邓乃扬 邵元海 陈静
• 来源期刊: 计算机工程与设计
• 学科: 工学
• 关键词: 支持向量机 惩罚系数 层次聚类 聚类特征 BIRCH算法
• 年，卷（期）: 2009,（1）
• 所属期刊栏目: 人工智能
• 页码范围: 175-178
• 页数: 4页
• 分类号: TP391
• 字数: 4567字
• 语种: 中文

摘要

支持向量机的计算复杂度依赖于训练样本点数量,无法应用到大规模的数据集.本文采用约简样本点的思想,通过对原始的样本点进行层次聚类,将各聚类的质心赋予不同权重并训练可以达到减小训练规模的目的.针对大样本集的聚类算法,对不同的聚类中心赋予不同的加权惩罚系数,不仅使得在聚类过程中的复杂度大大降低,而且能在保证精度的前提下起到加快训练速度的作用.理论分析及实验结果表明,新算法能在高精度下使数据规模大幅缩减,缩短支持向量机的训练时间.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈静	中国农业大学理学院	68	567	14.0	22.0
2	邓乃扬	中国农业大学理学院	33	410	11.0	19.0
3	王来生	中国农业大学理学院	49	555	14.0	20.0
4	邵元海	中国农业大学理学院	4	40	3.0	4.0
5	冯一宁	中国农业大学理学院	3	37	3.0	3.0