基于边界样本选择的支持向量机加速算法

• 作者: 胡小生 钟勇
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 支持向量机 大规模分类 边界样本 聚类
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 169-173
• 页数: 5页
• 分类号: TP181
• 字数: 5377字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1507-0245

摘要

针对支持向量机(Support Vector Machine,SVM)处理大规模数据集的学习时间长、泛化能力下降等问题,提出基于边界样本选择的支持向量机加速算法.首先,进行无监督的K均值聚类;然后,在各个聚簇内依照簇的混合度、支持度因素应用K近邻算法剔除非边界样本,获得最终的类别边界区域样本,参与SVM模型训练.在标准数据集上的实验结果表明,算法在保持传统支持向量机的分类泛化能力的同时,显著降低了模型训练时间.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	钟勇	佛山科学技术学院电子与信息工程学院	46	354	9.0	17.0
2	胡小生	佛山科学技术学院电子与信息工程学院	19	198	7.0	14.0