计算机与现代化
計算機與現代化
계산궤여현대화
COMPUTER AND MODERNIZATION
2010年
8期
15-17,21
,共4页
v-支持向量机%粗糙集%边界样本集%支持向量
v-支持嚮量機%粗糙集%邊界樣本集%支持嚮量
v-지지향량궤%조조집%변계양본집%지지향량
针对v-支持向量机在样本集规模较大的情况下,需要占用大量训练时间的问题,提出基于粗糙集边界的v-支持向量机混合分类算法.该算法根据粗糙集理论边界区域的优点,生成分类数据的边界集,使其包括全部的支持向量,用此边界向量集替代原始样本作为训练集,减少训练集的数量,则可以在不影响分类精度和泛化性能的前提下显著缩短v-支持向量机的训练时间.仿真结果表明该算法的有效性.
針對v-支持嚮量機在樣本集規模較大的情況下,需要佔用大量訓練時間的問題,提齣基于粗糙集邊界的v-支持嚮量機混閤分類算法.該算法根據粗糙集理論邊界區域的優點,生成分類數據的邊界集,使其包括全部的支持嚮量,用此邊界嚮量集替代原始樣本作為訓練集,減少訓練集的數量,則可以在不影響分類精度和汎化性能的前提下顯著縮短v-支持嚮量機的訓練時間.倣真結果錶明該算法的有效性.
침대v-지지향량궤재양본집규모교대적정황하,수요점용대량훈련시간적문제,제출기우조조집변계적v-지지향량궤혼합분류산법.해산법근거조조집이론변계구역적우점,생성분류수거적변계집,사기포괄전부적지지향량,용차변계향량집체대원시양본작위훈련집,감소훈련집적수량,칙가이재불영향분류정도화범화성능적전제하현저축단v-지지향량궤적훈련시간.방진결과표명해산법적유효성.
