首页> 中文期刊> 《科学技术与工程》 >基于数据分割和近邻对的快速SVM分类算法

基于数据分割和近邻对的快速SVM分类算法

         

摘要

大样本的学习是支持向量机领域中的一个重要课题.基于数据分割和邻近对策略,提出了一种新的支持向量机分类算法.在新的算法中,首先利用c-均值聚类分别对数据集中的正负类进行聚类,把大数据集分割成互不相交的子集合;然后来自正负类的子集合两两组合形成多个二分类问题,并用SMO算法求解;最后用邻近对策略对未知数据进行识别.为了验证新算法的有效性,把它应用于5个UCI数据集,并和SMO算法做了比较.结果表明:新算法不仅大大地减少了大样本学习的训练时间,而且相应的测试精度几乎没有降低.

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号