10.3969/j.issn.1008-0171.2015.04.006
基于双支持向量机的大样本分类算法
针对支持向量机(Support Vector Machine,SVM)处理大规模样本分类的学习效率降低问题,提出两阶段学习的支持向量机算法。该方法首先在正负类分别进行无监督聚类,提取各个聚类质心组成约简训练集,进行初次SVM训练;然后,根据初次训练结果选取边界样本集,参与第二次SVM训练。在UCI数据集上的实验结果表明,所提方法在保持分类泛化性能的同时,提高了模型的训练速度。
支持向量机、大规模分类、聚类、样本选取
TP181(自动化基础理论)
广东高校优秀青年创新人才培养计划资助项目2013LYM_0097,2014KQNCX184;佛山科学技术学院校级科研项目
2015-08-26(万方平台首次上网日期,不代表论文的发表时间)
共5页
26-30