有效提高SVM参数搜索效率的样本集缩减策略
유효제고SVM삼수수색효솔적양본집축감책략
Sample set shrinking strategy efficiently improving parameters seeking of support vector machines
  • 万方数据
    计算机应用 계산궤응용
    COMPUTER APPLICATION
    2007年 2期 363-365 ,共3页

    段崇雯%成礼智

    단숭문%성례지

    支持向量%样本集缩减%网格搜索%最优参数选取 支持嚮量%樣本集縮減%網格搜索%最優參數選取
    지지향량%양본집축감%망격수색%최우삼수선취
    核函数及相关参数的选择是支持向量机中的一个重要问题,它对模型的推广能力有很大的影响.当有大量样本参与训练的时候,寻找最优参数的网格搜索算法将消耗过长的时间.针对这一问题,提出一种舍弃非支持向量的样本点的策略,从而缩减了训练样本集.能够在基本保持原有测试准确度的前提下,将搜索时间减少一半.
    핵함수급상관삼수적선택시지지향량궤중적일개중요문제,타대모형적추엄능력유흔대적영향.당유대량양본삼여훈련적시후,심조최우삼수적망격수색산법장소모과장적시간.침대저일문제,제출일충사기비지지향량적양본점적책략,종이축감료훈련양본집.능구재기본보지원유측시준학도적전제하,장수색시간감소일반.
    원문보기 원문다운로드 사이트로이동
저자의 최근 논문