华中师范大学学报（自然科学版）
華中師範大學學報（自然科學版）
화중사범대학학보（자연과학판）
JOURNAL OF CENTRAL CHINA NORMAL UNIVERSITY(NATURAL SCIENCES)
2014年
3期
335-338
,共4页
机器学习%支持向量%K近邻算法%10折交叉验证法
機器學習%支持嚮量%K近鄰算法%10摺交扠驗證法
궤기학습%지지향량%K근린산법%10절교차험증법
machine learning%support vector%KNN%10 fold cross-validation method
经典支持向量机算法具有较高的时空复杂度,这导致其很难广泛被应用.为此,该文基于支持向量分布的先验知识,把KNN算法和10折交叉验证方法结合起来,提出了一个支持向量预选取算法.该算法从原始样本集中选取k个邻近样本,并计算出这k个邻近样本中异类样本所占比例,如果该比例超过了所给定的阈值q,就选择这些异类样本作为预取的支持向量.在此过程中,采用10折交叉验证法来确定k与q的最佳值.两组仿真实验表明所提算法选择出的支持向量而形成的分类器分类准确率更高而且耗时还较少.
經典支持嚮量機算法具有較高的時空複雜度,這導緻其很難廣汎被應用.為此,該文基于支持嚮量分佈的先驗知識,把KNN算法和10摺交扠驗證方法結閤起來,提齣瞭一箇支持嚮量預選取算法.該算法從原始樣本集中選取k箇鄰近樣本,併計算齣這k箇鄰近樣本中異類樣本所佔比例,如果該比例超過瞭所給定的閾值q,就選擇這些異類樣本作為預取的支持嚮量.在此過程中,採用10摺交扠驗證法來確定k與q的最佳值.兩組倣真實驗錶明所提算法選擇齣的支持嚮量而形成的分類器分類準確率更高而且耗時還較少.
경전지지향량궤산법구유교고적시공복잡도,저도치기흔난엄범피응용.위차,해문기우지지향량분포적선험지식,파KNN산법화10절교차험증방법결합기래,제출료일개지지향량예선취산법.해산법종원시양본집중선취k개린근양본,병계산출저k개린근양본중이류양본소점비례,여과해비례초과료소급정적역치q,취선택저사이류양본작위예취적지지향량.재차과정중,채용10절교차험증법래학정k여q적최가치.량조방진실험표명소제산법선택출적지지향량이형성적분류기분류준학솔경고이차모시환교소.
