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
