基于双支持向量机的大样本分类算法
胡小生
佛山科学技术学院电子与信息工程学院,广东佛山,528000
摘要：针对支持向量机（Support Vector Machine，SVM）处理大规模样本分类的学习效率降低问题，提出两阶段学习的支持向量机算法。该方法首先在正负类分别进行无监督聚类，提取各个聚类质心组成约简训练集，进行初次SVM训练；然后，根据初次训练结果选取边界样本集，参与第二次SVM训练。在UCI数据集上的实验结果表明，所提方法在保持分类泛化性能的同时，提高了模型的训练速度。
关键词：支持向量机大规模分类聚类样本选取
分类号：TP181(自动化基础理论)
资助基金：广东高校优秀青年创新人才培养计划资助项目(2013LYM_0097，2014KQNCX184)
论文发表日期：2015-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 26-30 )
英文信息