基于二分网格的支持向量预选取算法
DOI:
CSTR:
作者:
作者单位:

西安交通大学电子与信息工程学院 710049

作者简介:

唐耀华

通讯作者:

中图分类号:

TP391.4

基金项目:


Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    在SVM 训练过程中,二次规划问题的求解制约着SVM 应用于大规模数据.SVM 的决策函数由邻近分类超平面的部分训练样本--支持向量决定.基于减小训练样本数目,加快SVM 训练过程的目的,提出一种基于二分网格的边界样本提取方法.数据仿真实验表明,该方法具有边界样本提取准确,效率高,速度快,能够自适应样本分布的优点,而且不会显著降低SVM分类器的性能.

    Abstract:

    参考文献
    相似文献
    引证文献
引用本文

唐耀华;高静怀;邱保志.基于二分网格的支持向量预选取算法[J].控制与决策,2007,22(7):755-759

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2006-04-08
  • 最后修改日期:2006-06-20
  • 录用日期:
  • 在线发布日期: 2007-07-20
  • 出版日期:
文章二维码