局部支持向量机的研究进展  

Survey of Recent Trends in Local Support Vector Machine

作　　者：尹传环[1] 牟少敏[2] 田盛丰[1] 黄厚宽[1] 朱莹莹[1] 

机构地区：[1]北京交通大学计算机与信息技术学院,北京100044 [2]山东农业大学信息科学与工程学院,泰安2710182

出　　处：《计算机科学》2012年第1期170-174,189,共6页Computer Science

基　　金：国家自然科学基金(61105056);中央高校基本科研业务费专项资金;山东农业大学青年科技创新基金项目(200923647);北京交通大学科技基金(2007RC066)资助

摘　　要：支持向量机是一种用途广泛的分类器,标准的支持向量机在预测每个样本点的类别时使用了训练集中所有的样本信息(即全局信息),然而这种全局化的方法并不蕴含一致性。局部支持向量机的提出符合"一致性蕴含局部性"的思路。首先回顾局部支持向量机的主要思想,然后阐述各种关于局部支持向量机的改进,并提出基于协同聚类的局部支持向量机用于大规模数据集,最后对局部支持向量机进行总结。Support Vector Machine（SVM） is an important and widely used classifier.If a sample wants to be classified,all training data will be used to obtain a hyperplane which is used to determine the label of that sample,that is,the SVM worked in global manner.However,this global behaviour doesn＇t imply consistency.The design of Local SVM（LSVM） is in accordance with the result of＂consistency implies local behaviour＂.In this paper,we first reviewed the main idea of LSVM,followed by the improvements on LSVM.In the following,we presented an LSVM algorithm which is based on cooperative clustering,reducing the time complexity of LSVM in large scaled dataset.Then we ended this article by the conclusion.

关 键 词：支持向量机 局部支持向量机 协同聚类 

分 类 号：TP181[自动化与计算机技术—控制理论与控制工程]