计算机工程
計算機工程
계산궤공정
COMPUTER ENGINEERING
2009年
24期
188-190,193
,共4页
孙卫%庄卫华%林红飞%曾晓勤
孫衛%莊衛華%林紅飛%曾曉勤
손위%장위화%림홍비%증효근
相邻边界模型%支持向量机%主动学习
相鄰邊界模型%支持嚮量機%主動學習
상린변계모형%지지향량궤%주동학습
adjacent boundary model%Support Vector Machine(SVM)%active learning
根据支持向量的几何分布特性,提出相邻边界模型的概念以及一种支持向量预选算法.该算法通过预选出相互邻近的边界样本,避免大量样本参与二次规划问题的求解,为支持向量机提供高效的训练集.实验结果证明,采用该预选算法的LIBSVM可以较大地提高训练的时间效率和空间效率.
根據支持嚮量的幾何分佈特性,提齣相鄰邊界模型的概唸以及一種支持嚮量預選算法.該算法通過預選齣相互鄰近的邊界樣本,避免大量樣本參與二次規劃問題的求解,為支持嚮量機提供高效的訓練集.實驗結果證明,採用該預選算法的LIBSVM可以較大地提高訓練的時間效率和空間效率.
근거지지향량적궤하분포특성,제출상린변계모형적개념이급일충지지향량예선산법.해산법통과예선출상호린근적변계양본,피면대량양본삼여이차규화문제적구해,위지지향량궤제공고효적훈련집.실험결과증명,채용해예선산법적LIBSVM가이교대지제고훈련적시간효솔화공간효솔.
According to the geometry distribution property of Support Vector(SV), this paper proposes the concept of adjacent boundary model and SV pre-selecting algorithm. By pre-selecting adjacent boundary samples, lots of samples are avoided to solve Quadratic Programming(QP) problems, which provides efficient training sets for SVM. Experiments show that it can improve efficiencies of training time and space by using the algorithm in LIBSVM.
