| 基于样本差异度的SVM训练样本缩减算法 |
| |
| 引用本文： | 陈圣兵,王晓峰. 基于样本差异度的SVM训练样本缩减算法[J]. 计算机工程与应用, 2012, 48(7): 20-22 |
| |
| 作者姓名： | 陈圣兵 王晓峰 |
| |
| 作者单位： | 1.合肥学院 计算机科学与技术系 网络与智能信息处理重点实验室，合肥 2306012.中国科学院 合肥智能机械研究所 智能计算实验室，合肥 230031 |
| |
| 基金项目： | 国家自然科学基金（No.61005010）; 安徽省高校省级自然基金（No.KJ2012B149）; 合肥学院人才科研基金（No.11RC06） |
| |
| 摘 要： | 为了对大规模训练样本进行缩减，提出了k近邻向量，给出了一种新的样本差异度的计量方法，证明了该差异度关于噪声识别和类边界距离的几个性质。依据此性质提出了一个高效的SVM训练样本缩减算法，算法首先根据样本差异度的性质剔除噪声样本，然后用类间差异度近似表示类边界距离，结合样本相似性，直接从原始样本空间剔除次要的训练样本。仿真结果表明，减样算法可以有效缩减样本，提高训练效率。
|
| 关 键 词： | 大规模样本集 减样 去噪 支持向量机 样本差异度 |
Algorithm for reduction SVM training sample based on sample dissimilarity |
| |
| CHEN Shengbing , WANG Xiaofeng. Algorithm for reduction SVM training sample based on sample dissimilarity[J]. Computer Engineering and Applications, 2012, 48(7): 20-22 |
| |
| Authors: | CHEN Shengbing WANG Xiaofeng |
| |
| Affiliation: | 1.Key Lab of Network and Intelligent Information Processing, Department of Computer Science and Technology, Hefei University, Hefei 230601, China2.Intelligent Computing Lab, Institute of Intelligent Machines, Chinese Academy of Sciences, Hefei 230031, China |
| |
| Abstract: | |
| |
| Keywords: | large-scale sample set samples reduction de-noising support vector machine sample dissimilarity |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
| 点击此处可从《计算机工程与应用》浏览原始摘要信息 |
|
点击此处可从《计算机工程与应用》下载全文 |
