基于Hausdorff距离的支持向量机训练集选取方法

摘要：

支持向量机是一种新的数据分析方法,应用到越来越多学习问题领域.支持向量机的训练速度和精度与训练集的选取有很大的关系,在对比分析分解算法、SMO(序列最小优化)算法和增量算法的特点和不足的基础上,提出了一种基于Hausdorff距离的训练集的选取方法,利用Libsvm在几个标准数据库上对几种算法进行实验,结果表明,新的算法在速度和精度上具有较大的提高.

关键词：支持向量机、Hausdorff距离、分解算法、SMO、Libsvm、增量算法

分类号：TP301.6(计算技术、计算机技术)

在线出版日期：2007-12-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：45-48