基于NSVM的核空间训练数据减少方法

• 作者: 刘小芳 王晓
• 来源期刊: 电子科技大学学报
• 学科: 工学
• 关键词: 分类器 贪婪核主成分分析 核主成分分析 非线性支持向量机 支持向量 训练数据
• 年，卷（期）: 2013,（4）
• 所属期刊栏目: 计算机工程与应用
• 页码范围: 592-596
• 页数: 5页
• 分类号: TP391
• 字数: 3063字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-0548.2013.04.012

摘要

针对核空间中大数据集的计算代价高问题，提出用NSVM方法减少分类器的训练数据。先用NSVM、核主成分分析(KPCA)和贪婪KPCA分别从全部训练数据中提取训练分类器的子集；再用子集训练分类器，并用训练和测试数据的错分率对分类结果进行评价。在两个数据集和两种分类器中，用KPCA提取的子集训练的分类器的分类性能弱于NSVM和贪婪KPCA，但用贪婪KPCA提取的子集训练的分类器的泛化能力弱于NSVM。仿真结果表明，用NSVM方法提取的子集训练的分类器，不仅保证了分类器的泛化能力，也降低了分类算法的计算复杂度。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王晓	四川理工学院计算机学院	16	39	4.0	4.0
2	刘小芳	四川理工学院计算机学院	17	172	7.0	13.0