计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2009年
2期
51-54
,共4页
支持向量机%ART-SVM算法%SOM-SVM算法%聚类
支持嚮量機%ART-SVM算法%SOM-SVM算法%聚類
지지향량궤%ART-SVM산법%SOM-SVM산법%취류
针对支持向量机(Support Vector Machine,SVM)对大规模样本分类效率低下的问题,提出了基于自适应共振理论(AdaptiveResonance Theory,ART)神经网络与自组织特征映射(Self-Organizing feature Map,SOM)神经网络的SVM训练算法,分别称为ART-SVM算法与SOM-SVM算法.这两种算法通过聚类压缩数据集,使SVM训练的速度大大提高,同时可获得令人满意的泛化能力.
針對支持嚮量機(Support Vector Machine,SVM)對大規模樣本分類效率低下的問題,提齣瞭基于自適應共振理論(AdaptiveResonance Theory,ART)神經網絡與自組織特徵映射(Self-Organizing feature Map,SOM)神經網絡的SVM訓練算法,分彆稱為ART-SVM算法與SOM-SVM算法.這兩種算法通過聚類壓縮數據集,使SVM訓練的速度大大提高,同時可穫得令人滿意的汎化能力.
침대지지향량궤(Support Vector Machine,SVM)대대규모양본분류효솔저하적문제,제출료기우자괄응공진이론(AdaptiveResonance Theory,ART)신경망락여자조직특정영사(Self-Organizing feature Map,SOM)신경망락적SVM훈련산법,분별칭위ART-SVM산법여SOM-SVM산법.저량충산법통과취류압축수거집,사SVM훈련적속도대대제고,동시가획득령인만의적범화능력.
