数据采集与处理
數據採集與處理
수거채집여처리
JOURNAL OF DATA ACQUISITION & PROCESSING
2009年
3期
328-334
,共7页
支持向量机%大规模训练集%壳向量%中心向量
支持嚮量機%大規模訓練集%殼嚮量%中心嚮量
지지향량궤%대규모훈련집%각향량%중심향량
针对支持向量机(Support vector machines,SVMs)中大规模样本集训练速度慢且分类精度易受野点影响的问题,提出一个基于样本几何信息的支持向量机算法.其基本步骤是,首先分别求取每类样本点的壳向量和中心向量,然后将求出的壳向量作为新的训练集进行标准的SVM训练得到超平面的法向量,最后利用中心向量来更新法向量从而减少野点的影响得到最终的分类器.实验表明,采用这种学习策略,不仅加快了训练速度,而且在一般情况下也提高了分类精度.
針對支持嚮量機(Support vector machines,SVMs)中大規模樣本集訓練速度慢且分類精度易受野點影響的問題,提齣一箇基于樣本幾何信息的支持嚮量機算法.其基本步驟是,首先分彆求取每類樣本點的殼嚮量和中心嚮量,然後將求齣的殼嚮量作為新的訓練集進行標準的SVM訓練得到超平麵的法嚮量,最後利用中心嚮量來更新法嚮量從而減少野點的影響得到最終的分類器.實驗錶明,採用這種學習策略,不僅加快瞭訓練速度,而且在一般情況下也提高瞭分類精度.
침대지지향량궤(Support vector machines,SVMs)중대규모양본집훈련속도만차분류정도역수야점영향적문제,제출일개기우양본궤하신식적지지향량궤산법.기기본보취시,수선분별구취매류양본점적각향량화중심향량,연후장구출적각향량작위신적훈련집진행표준적SVM훈련득도초평면적법향량,최후이용중심향량래경신법향량종이감소야점적영향득도최종적분류기.실험표명,채용저충학습책략,불부가쾌료훈련속도,이차재일반정황하야제고료분류정도.
