计算机工程
計算機工程
계산궤공정
COMPUTER ENGINEERING
2012年
8期
131-133
,共3页
中文主题分类%支持向量机%AdaBoost算法%最小闭合球%超平面
中文主題分類%支持嚮量機%AdaBoost算法%最小閉閤毬%超平麵
중문주제분류%지지향량궤%AdaBoost산법%최소폐합구%초평면
提出一种新的级联支持向量机分类算法CSVM,结合AdaBoost算法框架与支持向量机(SVM)进行多分类处理.针对多分类问题中支持向量机处理样本数量多和计算时间过长的问题,引入最小闭合球算法对原始样本数据进行提取,以缩短SVM的训练时间.实验结果表明,CSVM算法具有与AdaBoost-SVM算法相似的精确度,而计算时间仅为AdaBoost-SVM算法的35％.
提齣一種新的級聯支持嚮量機分類算法CSVM,結閤AdaBoost算法框架與支持嚮量機(SVM)進行多分類處理.針對多分類問題中支持嚮量機處理樣本數量多和計算時間過長的問題,引入最小閉閤毬算法對原始樣本數據進行提取,以縮短SVM的訓練時間.實驗結果錶明,CSVM算法具有與AdaBoost-SVM算法相似的精確度,而計算時間僅為AdaBoost-SVM算法的35％.
제출일충신적급련지지향량궤분류산법CSVM,결합AdaBoost산법광가여지지향량궤(SVM)진행다분류처리.침대다분류문제중지지향량궤처리양본수량다화계산시간과장적문제,인입최소폐합구산법대원시양본수거진행제취,이축단SVM적훈련시간.실험결과표명,CSVM산법구유여AdaBoost-SVM산법상사적정학도,이계산시간부위AdaBoost-SVM산법적35％.
