基于距离配对排序的支持向量预选取算法

• 作者: 郑恩涛 韩成志 马国春
• 来源期刊: 应用数学进展
• 学科: 教育
• 关键词: 支持向量机 支持向量 预选取 边界向量集 距离配对排序
• 年，卷（期）: yysxjz,（2）
• 页码范围: 195-203
• 页数: 9页
• 分类号: G63

摘要

支持向量机是一种基于统计学习理论的二分类方法。支持向量机最小序列化算法(SMO)是针对支持向量机的对偶问题开发的高效算法。在数据训练过程中,支持向量对于分离超平面的确定起着决定性作用,但是支持向量仅占原始样本集的一小部分,并且分布在两类数据的边界上。如果用一个包含大多数支持向量的边界向量集来替换原始样本集进行训练,这样便能在保证分类精度的前提下,缩短训练时间,提高分类速度。然而支持向量的预选取比较困难,因此为了解决该问题,本文提出了一种基于距离配对排序的支持向量预选取算法。数值实验结果表明本文的算法能够有效地预选取包含支持向量的边界向量集。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马国春	杭州师范大学理学院	10	20	3.0	4.0
2	韩成志	杭州师范大学理学院	3	0	0.0	0.0
3	郑恩涛	杭州师范大学理学院	2	0	0.0	0.0