商空间框架下的大规模SVM数据集约减法  

Reduction for Large-scale SVM Datasets under Quotient Space

作　　者：覃希[1] 苏一丹[1] 张雯[1] 

机构地区：[1]广西大学计算机与电子信息学院,南宁530004

出　　处：《计算机科学》2013年第12期104-107,共4页Computer Science

基　　金：中国国家自然科学基金(61063032);中国教育部人文社会科学研究规划基金(11YJAZH080)资助

摘　　要：借助商空间框架下的粒度分析理论及其计算方法,提出将"粒度"的概念用于大规模SVM数据集的约减来建立商空间框架下的约减模型。该约减模型的约减方向是由远及近地向分类超平面削减,其削减幅度也伴随集合的缩小而由粗到细逐渐变化。同时,给出该模型的一种实现。实验证明,商空间框架下的SVM约减模型比普通SVM约减模型的压缩效果更好。Using granularity analysis theory and computational method in quotient space, we are able to build a reduc- tion model in quotient space. In this model, we cut out the redundant data using variable granularity so that the reduc- tion becomes more accurate. An example implementation of this method was provided. Experiments indicate our new method yields significantly improved compression without sacrificing the accuracy of traditional SVM techniques.

关 键 词：商空间 粒度 约减法 支持向量机 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]