基于多粒度数据压缩的支持向量机

• 作者: 包文颖 王长忠 胡清华
• 来源期刊: 南京大学学报（自然科学版）
• 关键词: 多粒度 支持向量机 快速算法 大规模数据 数据压缩
• 年，卷（期）: 2013,（5）
• 页码范围: 637-643
• 语种: 中文

摘要

将多粒度理论融合到支持向量机理论中,提出了一种基于多粒度数据压缩的支持向量机分类算法(support vector machine based on multi-granulations,MG-SVM).首先,利用多粒度理论对数据进行粒化与压缩;然后,对压缩后的数据利用支持向量机寻找最优超平面并进行分类;最后利用UCI中一些标准数据进行数据压缩与分类试验.与传统的支持向量机分类方法相比,MG-SVM算法在保持或提高经典支持向量机的分类和泛化能力的同时,有效地降低了时间复杂度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡清华	天津大学计算机科学与技术学院	12	167	5.0	12.0
2	王长忠	渤海大学数理学院	14	26	3.0	4.0
3	包文颖	渤海大学数理学院	2	12	2.0	2.0