基于密度裁剪的SVM分类算法

• 作者: 张公敬 杨嘉东 范支菊
• 来源期刊: 青岛大学学报（自然科学版）
• 学科: 工学
• 关键词: 密度 样本裁剪 SVM 网格搜索算法
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 信息工程
• 页码范围: 46-51
• 页数: 6页
• 分类号: TP301.6
• 字数: 4465字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-1037.2018.08.09

摘要

针对SVM中当训练样本数非常多时,分类算法训练阶段的计算量庞大;当训练样本集中存在噪声时,影响训练阶段超平面划分的准确度,导致分类准确率降低等问题,提出了一种基于密度的训练样本裁剪的SVM算法.首先应用密度裁剪算法裁剪掉原始训练样本集中存在的噪声和冗余样本,作为新训练样本集,使用网格搜索算法在新的训练样本集中对SVM参数(C,g)寻优,进行SVM训练并建模,达到分类的目的.实验结果表明,该算法同无样本裁剪的SVM算法相比分类准确率有所提高、训练阶段的时间耗费大大降低.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张公敬	青岛大学计算机科学技术学院	15	44	4.0	5.0
2	范支菊	青岛大学计算机科学技术学院	3	6	1.0	2.0
3	杨嘉东	温州肯恩大学计算机科学系	1	1	1.0	1.0