基于相似性分析的SVM快速分类算法

摘要：

针对支持向量机(SVM)分类速度取决于支持向量数目的应用瓶颈,提出一种SVM 快速分类算法.通过引入支持向量在特征空间的相似性度量,构建特征空间中的最小支撑树,在此基础上将支持向量按相似性最大进行分组,依次在每组中找到决定因子和调整因子,用两者的线性组合拟合一组支持向量在特征空间的加权和,以减少支持向量的数量,提高支持向量机的分类速度.实验结果证明,该方法能以很小的分类精度损失换取较大的分类时间缩减,满足SVM 实时分类的要求.

关键词：支持向量、相似性系数、最小支撑树、决定因子、调整因子

所属期刊栏目：36

分类号：TP181(自动化基础理论)

资助基金：河北省科技计划基金资助项目"基于人体运动学的客流采集系统的研究"09213507D

在线出版日期：2010-12-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：174-176