计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2005年
19期
185-188,198
,共5页
等分聚类%支持向量机%最小最大模块化支持向量机
等分聚類%支持嚮量機%最小最大模塊化支持嚮量機
등분취류%지지향량궤%최소최대모괴화지지향량궤
该文提出了一种新的聚类算法以实现训练数据的等分割并将其应用于最小最大模块化支持向量机(M3-SVM).仿真实验表明:当训练数据不是同分布时,与随机分割方法相比,该文提出的聚类算法不但能提高M3-SVM的一般化能力,缩短训练时间,还能减少支持向量.
該文提齣瞭一種新的聚類算法以實現訓練數據的等分割併將其應用于最小最大模塊化支持嚮量機(M3-SVM).倣真實驗錶明:噹訓練數據不是同分佈時,與隨機分割方法相比,該文提齣的聚類算法不但能提高M3-SVM的一般化能力,縮短訓練時間,還能減少支持嚮量.
해문제출료일충신적취류산법이실현훈련수거적등분할병장기응용우최소최대모괴화지지향량궤(M3-SVM).방진실험표명:당훈련수거불시동분포시,여수궤분할방법상비,해문제출적취류산법불단능제고M3-SVM적일반화능력,축단훈련시간,환능감소지지향량.
