样例约简支持向量机

摘要：

支持向量机(support vector machine,SVM)仅利用靠近分类边界的支持向量构造最优分类超平面,但求解SVM需要整个训练集,当训练集的规模较大时,求解SVM需要占用大量的内存空间,寻优速度非常慢.针对这一问题,提出了一种称为样例约简的寻找候选支持向量的方法.在该方法中,支持向量大多靠近分类边界,可利用相容粗糙集技术选出边界域中的样例,作为候选支持向量,然后将选出的样例作为训练集来求解SVM.实验结果证实了该方法的有效性,特别是对大型数据库,该方法能有效减少存储空间和执行时间.

关键词：相容粗糙集、样例选择、支持向量机(SVM)、最优分类超平面、统计学习理论

所属期刊栏目：5

分类号：TP181(自动化基础理论)

资助基金：The National Natural Science Foundation of China under Grant No.60903088;the Natural Science Foundation of Hebei Province of China under Grant No.F2010000323;the Science and Technology Foundation of College of Hebei Province under Grant No.ZD2010139

在线出版日期：2012-04-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1131-1138