用双层减样法优化大规模SVM垃圾标签检测模型

• 作者: 苏一丹 覃希
• 来源期刊: 计算机应用研究
• 关键词: Folksonomy 垃圾标签 支持向量机 双层减样法 约减
• 年，卷（期）: 2011,（6）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 2095-2098
• 分类号: TP181
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2011.06.026

摘要

针对支持向量机在训练大规模数据集时出现的速度瓶颈问题,提出一种新的减样方法,称为双层减样法.数据减样时,双层减样法从粗、细粒度两个层次削减样本.粗粒度约减时,利用核空间距离聚类法,以簇为单位削减冗余子集;细粒度约减时,以点为单位挑选剩余点集中的支持向量.实验表明,双层减样法能有效地压缩样本数据,同时还能放大数据集的分类特征,提高分类器的分类精度.将此法应用于大规模SVM垃圾标签检测模型的训练集优化上,能明显提高检测模型的训练速度.双层减样法将粒度和层次的概念引入减样法中,在约减时适时改变约减幅度,这比传统减样法更具有优势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	苏一丹	广西大学计算机与电子信息学院	114	849	16.0	23.0
2	覃希	广西工学院计算机工程系	8	123	5.0	8.0