CAJ | 학술논문

针对支持向量机中当样本集训练规模很大且存在野点时,其分类速度慢且精度不高的问题,提出一个支持向量机快速算法.其基本步骤是首先求取每类样本点的壳向量和中心向量,然后将求出的壳向量和中心向量合在一起,组成新的训练集进行训练,得到最终的分类器.实验表明采用这种学习策略,不仅大幅度降低了学习代价,而且获得的分类精度与直接通过大规模样本集训练得到的分类器的分类精度相当,同时分类速度也得到大幅度提高.
침대지지향량궤중당양본집훈련규모흔대차존재야점시,기분류속도만차정도불고적문제,제출일개지지향량궤쾌속산법.기기본보취시수선구취매류양본점적각향량화중심향량,연후장구출적각향량화중심향량합재일기,조성신적훈련집진행훈련,득도최종적분류기.실험표명채용저충학습책략,불부대폭도강저료학습대개,이차획득적분류정도여직접통과대규모양본집훈련득도적분류기적분류정도상당,동시분류속도야득도대폭도제고.