原文服务方: 微电子学与计算机       
摘要:
提出了一种基于随机中心距离排序的支持向量预选取方法。对于线性可分情况,该方法首先从每一个类别中随机选取一定数目的样本计算均值,并把该均值作为该类别样本的随机中心,然后对每一个样本计算它与另一类样本随机中心之间的距离,最后选择一定数目具有较小随机中心距离的原始样本组成边界样本集。对于非线性可分情况,此算法借助于核函数将原始问题映射到特征空间,然后再按照线性可分情况求解。由于支持向量往往分布在两类样本相邻的边界区域,因此此方法可以较为精确地预选取支持向量。在部分 UCI 标准数据集和 ORL 人脸数据库上的实验说明此算法较以往支持向量预选取算法可以更为快速准确地进行支持向量预选取。
推荐文章
基于投影中心距离的支持向量预选取
支持向量机
投影中心距离
支持向量
基于距离排序的快速支持向量机分类算法
支持向量机
时空复杂度
大规模数据
距离排序
一种改进的LSSVM支持向量预选取算法
最小二乘支持向量机
K均值聚类
K最近邻
预选取算法
稀疏化
基于搜索机制密度聚类的支持向量预选取算法
搜索机制
支持向量机
预选取
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于随机中心距离排序的支持向量预选取方法
来源期刊 微电子学与计算机 学科
关键词 支持向量预选取 随机中心 距离排序 边界样本集
年,卷(期) 2013,(8) 所属期刊栏目
研究方向 页码范围 36-39
页数 4页 分类号 TP3
字数 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 李荣 忻州师范学院计算机系 23 85 5.0 8.0
2 胡志军 忻州师范学院计算机系 23 244 6.0 15.0
3 王鸿斌 忻州师范学院计算机系 38 391 9.0 19.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (3)
共引文献  (30)
参考文献  (1)
节点文献
引证文献  (2)
同被引文献  (0)
二级引证文献  (0)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2015(2)
  • 引证文献(2)
  • 二级引证文献(0)
研究主题发展历程
节点文献
支持向量预选取
随机中心
距离排序
边界样本集
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
微电子学与计算机
月刊
1000-7180
61-1123/TN
大16开
1972-01-01
chi
出版文献量(篇)
9826
总下载数(次)
0
总被引数(次)
59060
论文1v1指导