摘要
针对支撑向量机(Support vector machine,SVM)在大规模数据的问题,提出了一种基于模糊c-均值聚类样本选择策略的SVC(SVM for classification)迭代训练算法,从样本抽取、迭代训练两个方面进行了改进,并在多个较大规模UCI标准测试集上进行了试验.结果表明,所提出的迭代训练算法收敛快,在保证学习精度的同时使训练速度加倍、支撑向量减少一半.
学科与关键词
关键词
支撑向量机大规模数据集样本选择策略迭代训练 support vector machinelarge samplessample selection strategyiterative training
- 一种改进的支持向量机NN-SVM李红莲; 王春花; 袁保宗计算机学报, 2003, (08): 1015-1020.
- 基于改进FCM聚类的BT-SVM多类分类算法权文; 王晓丹微计算机信息, 2009, (06): 230-232.
- SVM置信度在线评估以及决策改进凌萍; 周春光计算机科学与探索, 2008, (02): 192-197.
