基于聚类边界提取的支持向量机算法

• 作者: 吴珊 夏钰红 张仕霞 杨晓欢 王强 蒋新 蒲文莉 靳紫辉
• 来源期刊: 电子测量技术
• 学科: 工学
• 关键词: 支持向量机 聚类 边界样本
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 信息技术及图像处理
• 页码范围: 110-115
• 页数: 6页
• 分类号: TP391
• 语种: 中文
• DOI: 10.19651/j.cnki.emt.1903616

摘要

传统的支持向量机都是训练大规模的数据样本,需要花费较多的时间,这使得支持向量机的应用受到了限制,为了较好的推广,提出了一系列优化算法,比如支持向量预提取方法[1]、边界样本选取以及改进的各种算法,提高了训练的准确性、泛化能力、训练效率.提出了在聚类后删除纯簇的方法提取边界样本点,在此基础上又提出了采用改进的聚类算法在聚类后删除纯簇提取边界样本点的方式得到新的训练样本,再利用支持向量机训练分类器.实验验证了此方法不仅提高了训练的效率,而且提高了分类的准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王强		14	15	2.0	3.0
2	夏钰红		6	4	1.0	2.0
3	靳紫辉		7	5	1.0	2.0
4	吴珊		9	5	1.0	2.0
5	张仕霞		6	0	0.0	0.0
6	蒲文莉		2	0	0.0	0.0
7	蒋新		2	0	0.0	0.0
8	杨晓欢		4	0	0.0	0.0