粒度支持向量机学习模型  

Granular Support Vector Machine Learning Model

作　　者：王文剑[1,2] 郭虎升[1] 

机构地区：[1]山西大学计算机与信息技术学院,山西太原030006 [2]山西大学计算智能与中文信息处理教育部重点实验室,山西太原030006

出　　处：《山西大学学报（自然科学版）》2009年第4期535-540,共6页Journal of Shanxi University(Natural Science Edition)

基　　金：国家自然科学基金(60673095);国家863计划项目(2007AA01Z165);教育部科学技术研究重点资助项目(208021);教育部新世纪优秀人才支持计划资助项目(NCET-07-0525);山西省青年学术带头人支持计划资助项目;山西省留学归国人员项目(2008-14);山西省自然科学基金重点项目(2009011017-2)

摘　　要：粒度支持向量机(Granular Support Vector Machine,GSVM)是以粒度计算理论和统计学习理论为基础的一种新的机器学习模型,它可以有效地克服传统支持向量机(Support Vector Machine,SVM)对于大规模数据集训练效率低下的问题,同时也可获得较好的泛化性能.文章针对原空间的GSVM模型进行了分析,提出了核空间的GSVM学习模型,在标准数据集上的实验说明了文中提出模型的有效性.Granular Support Vector Machine （GSVM） is a novel machine learning model based on granular computing theory and statistical learning theory. It can solve the low efficiency learning problem that existing in traditional Support Vector Machine（SVM）, and obtain the satisfactory generalization performance as well. This paper analyzes the GSVM models based on original space and proposes an GSVM model based on kernel space（KGSVM）. The experiments on benchmark datasets demonstrate the effectiveness of the Droposed approach.

关 键 词：支持向量机 粒度支持向量机 核空间 粒度计算理论 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]