基于样本差异度的SVM训练样本缩减算法

• 作者: 王晓峰 陈圣兵
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 大规模样本集 减样 去噪 支持向量机 样本差异度
• 年，卷（期）: 2012,（7）
• 所属期刊栏目: 博士论坛
• 页码范围: 20-22
• 分类号: TP181
• 字数: 3352字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2012.07.005

摘要

为了对大规模训练样本进行缩减,提出了k近邻向量,给出了一种新的样本差异度的计量方法,证明了该差异度关于噪声识别和类边界距离的几个性质.依据此性质提出了一个高效的SVM训练样本缩减算法,算法首先根据样本差异度的性质剔除噪声样本,然后用类间差异度近似表示类边界距离,结合样本相似性,直接从原始样本空间剔除次要的训练样本.仿真结果表明,减样算法可以有效缩减样本,提高训练效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王晓峰	合肥学院计算机科学与技术系网络与智能信息处理重点实验室	57	953	14.0	30.0
5	陈圣兵	合肥学院计算机科学与技术系网络与智能信息处理重点实验室	17	80	5.0	8.0