福建电脑
福建電腦
복건전뇌
FUJIAN COMPUTER
2008年
3期
86-87
,共2页
支持向量机%边界样本%简约%泛化能力
支持嚮量機%邊界樣本%簡約%汎化能力
지지향량궤%변계양본%간약%범화능력
经典的支持向量机(SVM)训练算法的实质是求解一个凸二次规划问题,当训练样本很多时,算法的速度会比较慢,且如果两类样本过分交叉,又会降低支持向量机的泛化能力.为了加快支持向量机的训练速度和改善其泛化能力,文章提出了一种改进的样本简约方法.该方法首先抽取边界样本,然后对边界样本中可能存在的噪音、孤立点进行修剪,由此得出最终的训练样本.实验结果表明,该简约方法不仅节约了训练时间,而且改善了支持向量机的泛化性能.
經典的支持嚮量機(SVM)訓練算法的實質是求解一箇凸二次規劃問題,噹訓練樣本很多時,算法的速度會比較慢,且如果兩類樣本過分交扠,又會降低支持嚮量機的汎化能力.為瞭加快支持嚮量機的訓練速度和改善其汎化能力,文章提齣瞭一種改進的樣本簡約方法.該方法首先抽取邊界樣本,然後對邊界樣本中可能存在的譟音、孤立點進行脩剪,由此得齣最終的訓練樣本.實驗結果錶明,該簡約方法不僅節約瞭訓練時間,而且改善瞭支持嚮量機的汎化性能.
경전적지지향량궤(SVM)훈련산법적실질시구해일개철이차규화문제,당훈련양본흔다시,산법적속도회비교만,차여과량류양본과분교차,우회강저지지향량궤적범화능력.위료가쾌지지향량궤적훈련속도화개선기범화능력,문장제출료일충개진적양본간약방법.해방법수선추취변계양본,연후대변계양본중가능존재적조음、고립점진행수전,유차득출최종적훈련양본.실험결과표명,해간약방법불부절약료훈련시간,이차개선료지지향량궤적범화성능.
