结合SVM和KNN实现求解大规模复杂问题的分治算法

摘要：

针对于使用支持向量机求解大规模复杂问题存在训练时间过长和分类精度不高等困难,本文提出了一种结合支持向量机(SvM)和K-最近邻(KNN)分类的分治算法.首先对支持向量机分类机理进行分析可以得出它作为分类器实际相当于每类只选一个代表点的最近邻分类器.在此基础上,根据分治算法的基本思想将训练集划分为多个训练子集,用每个子集单独训练一个SVM,这样每个训练子集由训练后的SVM可以分别得到正例和反例的一个代表点,由这些代表点的全体构成了整个训练集的正例和反例代表点的集合,然后在这个代表点集合基础上使用KNN分类器最为整个问题的解.实验结果表明该分治算法对于大规模数据可使训练时间大幅度下降且使分类精度不同程度提高.

关键词：支持向量机、聚类中心、类代表点、核函数、特征空间、VC维

所属期刊栏目：25

分类号：TP183(自动化基础理论)

资助基金：北京市属高等学校人才强教计划资助项目PHR200906210;北京市教育委员会科研基地建设项目WYJD200902;北京市教育委员会科技计划项目KM200810037001

在线出版日期：2009-09-28（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：212-213,256