样例约简支持向量机

• 作者: 王婷婷 王熙照 翟俊海
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 相容粗糙集 样例选择 支持向量机(SVM) 最优分类超平面 统计学习理论
• 年，卷（期）: 2011,（12）
• 所属期刊栏目: 学术研究
• 页码范围: 1131-1138
• 分类号: TP181
• 字数: 4965字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.2011.12.008

摘要

支持向量机(support vector machine,SVM)仅利用靠近分类边界的支持向量构造最优分类超平面,但求解SVM需要整个训练集,当训练集的规模较大时,求解SVM需要占用大量的内存空间,寻优速度非常慢.针对这一问题,提出了一种称为样例约简的寻找候选支持向量的方法.在该方法中,支持向量大多靠近分类边界,可利用相容粗糙集技术选出边界域中的样例,作为候选支持向量,然后将选出的样例作为训练集来求解SVM.实验结果证实了该方法的有效性,特别是对大型数据库,该方法能有效减少存储空间和执行时间.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王熙照	河北大学数学与计算机学院河北省机器学习与计算智能重点实验室	88	1286	18.0	32.0
2	翟俊海	河北大学数学与计算机学院河北省机器学习与计算智能重点实验室	45	256	9.0	12.0
3	王婷婷	河北大学数学与计算机学院河北省机器学习与计算智能重点实验室	19	31	4.0	4.0