10.3969/j.issn.1003-3254.2015.07.021
SVM和集成学习算法的改进和实现
支持向量机(SVM)算法的主要缺点是当它处理大规模训练数据集时需要较大内存和较长的训练时间。为了加快训练速度和提高分类准确率,提出了一种融合了Bagging, SVM和Adaboost三种算法的二分类模型,并提出了一种去噪的算法。通过实验对比SVM, SVM-Adaboost以及本文提出的分类模型。随着训练数据规模不断扩大,该分类模型在提高准确率的前提下,明显提高了训练速度。
Bagging、SVM、Adaboost、集成学习、噪声处理、分类
TP3;TP1
2015-08-07(万方平台首次上网日期,不代表论文的发表时间)
共5页
117-121