一种基于粒度的支持向量机学习策略

摘要：

针对支持向量机(Support Vector Machine,SCM)对(超)大规模数据集的训练代价太高的问题,本文提出了一种基于粒度的SVM学习策略：通过对数据集构建数据粒的层次结构,在不同粒层次下对数据进行约减,最后在这些约减的数据集上进行训练得到最终的分类器.在UCI标准数据集上的试验结果表明该算法可以有效地对数据进行约减,大大提高分类速度,同时可以达到良好的分类效果.

关键词： 支持向量机 数据粒度 指数相似度 数据集 学习策略

作者: 张鑫 王文剑

作者单位: 山西大学计算机与信息技术学院,计算智能与中文信息处理教育部重点实验室,太原 030006

会议类型: 国内会议

会议名称: 第八届中国Rough集与软计算、第二届中国Web智能、第二届中国粒计算联合会议(CRSSC-CWI-CGrC”2008)

会议地点: 北京

会议语种:中文

页码: 101-103,116

在线出版日期: 2008-08-01（万方平台首次上网日期，不代表论文的发表时间）