边界K邻近大样本支持向量机分类  

Research on large scale SVM classification based on boundary K-nearest

作　　者：奉国和[1] 

机构地区：[1]华南师范大学经济管理学院信息管理系,广州510006

出　　处：《计算机工程与应用》2009年第23期15-17,62,共4页Computer Engineering and Applications

基　　金：国家社会科学基金项目(No.08CTQ003);广东省哲学社会科学规划项目(No.06M03)

摘　　要：针对大样本支持向量机内存开销大、训练速度慢的缺点,提出了一种改进的支持向量机算法。算法先利用KNN方法找出可能支持向量,然后利用SVM在可能支持向量集上训练得到分类器。实验表明改进算法训练速度提高明显。The problem of occupying much memory and slow training speed will come forth for Support Vector Machine（SVM） with large scale training set.This paper puts forward a boundary K-NN SVM algorithm,searching for possible support vectors with K-NN and training SVM classifier based on such support vectors.Experiment shows that modified algorithm training speed is advanced.

关 键 词：支持向量机 大样本 分类 

分 类 号：TP316[自动化与计算机技术—计算机软件与理论]