一种SVM训练样本集寻优算法

• 作者: 业宁 业巧林 吴东洋 张训华 武波
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: SVM分类器 Bagging算法 自助网格搜索算法 训练样本数量
• 年，卷（期）: 2010,（9）
• 页码范围: 14-16,19
• 分类号: TP3
• 字数: 5089字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386X.2010.09.006

摘要

首先运用Bagging算法解决样本数据变化带来的不稳定性,然后运用网格搜索法寻找合适的训练样本尺寸,再结合两者的特点,提出了一种自助网格搜索算法,从多个支持向量机(SVM)分类器中寻求一个最优的SVM分类器.实验结果表明,算法有效地提高了分类器的学习精度与学习性能,对大样本数据来说,可以用相对较少的样本进行训练后的性能来预测它对一个非常庞大的训练集的性能,大大减少了SVM训练的时间.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴东洋	南京林业大学信息技术学院	14	85	5.0	9.0
2	业宁	南京林业大学信息技术学院	83	805	16.0	24.0
3	业巧林	南京林业大学信息技术学院	31	77	5.0	8.0
4	张训华	南京林业大学信息技术学院	14	66	5.0	8.0
5	武波	南京林业大学信息技术学院	3	18	3.0	3.0