支持向量机的一种快速分类算法

• 作者: Chung Fu-lai 张战成 王士同 邓赵红
• 来源期刊: 电子与信息学报
• 学科: 工学
• 关键词: 支持向量机 快速分类 稀疏性 K均值聚类 二次规划
• 年，卷（期）: 2011,（9）
• 所属期刊栏目: 论文
• 页码范围: 2181-2186
• 分类号: TP391.4
• 字数: 4173字
• 语种: 中文
• DOI: 10.3724/SP.J.1146.2011.00107

摘要

传统支持向量机分类过程的计算量和支持向量的个数成正比,当支持向量较多时,其分类过程的计算比较耗时.该文基于支持向量的稀疏性,证明了对支持向量压缩时,收紧新的快速决策函数和原始决策函数之间的误差等价于在样本空间对原始支持向量进行K均值聚类操作,据此提出了一种约简支持向量的快速分类算法FD-SVM(Fast Decision algorithm of Support Vector Machine),该算法首先对原始的支持向量进行特定比例的K均值聚类操作,聚类的中心为约简后新的支持向量,按照分类误差最小的原则构建优化模型,用二次规划方法求解得到新的支持向量的系数.标准数据集上的实验表明,保持分类精度的损失在统计意义上不明显的前提下,FD-SVM可以有效压缩支持向量的数量,提高分类速度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王士同	江南大学数字媒体学院	528	3424	23.0	37.0
3	邓赵红	江南大学数字媒体学院	86	764	11.0	26.0
6	张战成	江南大学数字媒体学院	3	24	2.0	3.0
7	Chung Fu-lai	香港理工大学电子计算学系	1	20	1.0	1.0