计算机工程与设计
計算機工程與設計
계산궤공정여설계
COMPUTER ENGINEERING AND DESIGN
2010年
10期
2266-2269
,共4页
支持向量%样本选取%核函数%结构风险%支持向量机
支持嚮量%樣本選取%覈函數%結構風險%支持嚮量機
지지향량%양본선취%핵함수%결구풍험%지지향량궤
使用支持向量机求解大规模数据分类需要较大内存来存储Hessian矩阵,而矩阵的大小则依赖于样本数1,因此在一定程度上导致支持向量机分类效率及质量难以提高.考虑到只有成为支持向量的样本才对决策函数起作用,为了减少训练样本时所需空间及时间开销,提高支持向量机分类效率与质量,提出了一种基于核函数的样本选取算法.该算法通过选取最大可能成为支持向量的样本,以达到减少训练时存储Hessian矩阵所需空间及时间开销的目的.实验结果表明,该算法所筛选出的样本不仅可以提高样本训练准确率,而且可以提高分类计算速度和减少存储空间开销.
使用支持嚮量機求解大規模數據分類需要較大內存來存儲Hessian矩陣,而矩陣的大小則依賴于樣本數1,因此在一定程度上導緻支持嚮量機分類效率及質量難以提高.攷慮到隻有成為支持嚮量的樣本纔對決策函數起作用,為瞭減少訓練樣本時所需空間及時間開銷,提高支持嚮量機分類效率與質量,提齣瞭一種基于覈函數的樣本選取算法.該算法通過選取最大可能成為支持嚮量的樣本,以達到減少訓練時存儲Hessian矩陣所需空間及時間開銷的目的.實驗結果錶明,該算法所篩選齣的樣本不僅可以提高樣本訓練準確率,而且可以提高分類計算速度和減少存儲空間開銷.
사용지지향량궤구해대규모수거분류수요교대내존래존저Hessian구진,이구진적대소칙의뢰우양본수1,인차재일정정도상도치지지향량궤분류효솔급질량난이제고.고필도지유성위지지향량적양본재대결책함수기작용,위료감소훈련양본시소수공간급시간개소,제고지지향량궤분류효솔여질량,제출료일충기우핵함수적양본선취산법.해산법통과선취최대가능성위지지향량적양본,이체도감소훈련시존저Hessian구진소수공간급시간개소적목적.실험결과표명,해산법소사선출적양본불부가이제고양본훈련준학솔,이차가이제고분류계산속도화감소존저공간개소.
