提高支持向量机训练速度的CM-SVM方法  

CM-SVM method for improving training speed of SVM

作　　者：肖小玲[1] 李腊元[1] 张翔[2] 

机构地区：[1]武汉理工大学计算机科学与技术学院 [2]清华大学计算机系,北京100084

出　　处：《计算机工程与设计》2006年第22期4183-4184,4238,共3页Computer Engineering and Design

基　　金：国家自然科学基金项目(60273005);湖北省自然科学基金项目(2004ABA043);湖北省教育厅科技研究重点基金项目(D200612002);长江大学科研发展基金项目(2005Z0805)

摘　　要：针对支持向量机在大规模样本学习时,学习速度慢,需要存储空间大等问题,提出了一种将支持向量机方法与C均值方法结合的CM-SVM方法。在该方法中,先采用C均值方法对训练样本集进行聚类,然后依据聚类域中样本的类型特点确定样本的约简方式。仿真图像实验结果表明,CM-SVM方法提高了支持向量机的学习速度,同时支持向量机的分类精度几乎没有降低,表现出较好的样本约简性能。The slow training speed and large storage space for support vector machine are given, a CM-SVM method, in which the C- Mean method is incorporated with the SVM method, is studied. First, the training samples are clustered using the C-Mean method. Then, the reduced mode of samples is defined according to the feature of samples in the clusters. The stimulant experiment results show that the CM-SVM method improves the training speed of SVM, meanwhile, almost completely preserves the classification accuracy.

关 键 词：支持向量机 聚类 约简 C均值 速度 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术]