基于模糊聚类分析预先处理训练样本的WC-SVM方法
기우모호취류분석예선처리훈련양본적WC-SVM방법
WC-SVM ALGORITHM BASED ON TRAINING SETS PRE-PROCESSED BY FUZZY CLUSTERING ANALYSIS
  • 万方数据
    计算机应用与软件 계산궤응용여연건
    COMPUTER APPLICATIONS AND SOFTWARE
    2009年 1期 251-252 ,共2页

    于哲夫%贾传荧

    우철부%가전형

    模糊聚类%支持向量机(SVM)%大量训练样本 模糊聚類%支持嚮量機(SVM)%大量訓練樣本
    모호취류%지지향량궤(SVM)%대량훈련양본
    在用大量训练样本训练支持向量机时,会遇到内存开销大的问题.为解决这一问题,提出了一种新方法,基本思路是利用模糊聚类算法对训练样本预先进行聚类,然后以类别中的一个样本代替一类样本,达到压缩数据样本数量的目的.考虑到压缩后样本的代表性,引入了加权支持向量机.通过实例检验证明该算法可以减小内存的开销,并且对于大量训练样本可以保证较高的分类准确率.
    재용대량훈련양본훈련지지향량궤시,회우도내존개소대적문제.위해결저일문제,제출료일충신방법,기본사로시이용모호취류산법대훈련양본예선진행취류,연후이유별중적일개양본대체일류양본,체도압축수거양본수량적목적.고필도압축후양본적대표성,인입료가권지지향량궤.통과실례검험증명해산법가이감소내존적개소,병차대우대량훈련양본가이보증교고적분류준학솔.
    원문보기 원문다운로드 사이트로이동
저자의 최근 논문