计算机科学
計算機科學
계산궤과학
COMPUTER SCIENCE
2008年
5期
167-168,183
,共3页
支持向量机%近邻域比率%噪声%修剪
支持嚮量機%近鄰域比率%譟聲%脩剪
지지향량궤%근린역비솔%조성%수전
提出基于近邻域比率的支持向量机NDR-SVM.该算法对每个训练样本构造一个近邻域,在此邻域中计算与中心同类的样本占邻域中总样本的比率;根据比率与剔除闲值的大小关系决定邻域中心的取舍,并将所保留的样本带入SVM分类.通过修剪训练集,该算法减弱了噪声对SVM泛化能力的影响.实验结果表明,与已有算法相比,NDR-SVM具有更高的分类精度,大大提高了训练速度.
提齣基于近鄰域比率的支持嚮量機NDR-SVM.該算法對每箇訓練樣本構造一箇近鄰域,在此鄰域中計算與中心同類的樣本佔鄰域中總樣本的比率;根據比率與剔除閒值的大小關繫決定鄰域中心的取捨,併將所保留的樣本帶入SVM分類.通過脩剪訓練集,該算法減弱瞭譟聲對SVM汎化能力的影響.實驗結果錶明,與已有算法相比,NDR-SVM具有更高的分類精度,大大提高瞭訓練速度.
제출기우근린역비솔적지지향량궤NDR-SVM.해산법대매개훈련양본구조일개근린역,재차린역중계산여중심동류적양본점린역중총양본적비솔;근거비솔여척제한치적대소관계결정린역중심적취사,병장소보류적양본대입SVM분류.통과수전훈련집,해산법감약료조성대SVM범화능력적영향.실험결과표명,여이유산법상비,NDR-SVM구유경고적분류정도,대대제고료훈련속도.
