| 基于神经网络的支持向量机学习方法研究 |
| |
| 引用本文： | 郭虎升,王文剑.基于神经网络的支持向量机学习方法研究[J].计算机工程与应用,2009,45(2):51-54. |
| |
| 作者姓名： | 郭虎升 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省部共建教育部重点实验室，太原 030006 |
| |
| 基金项目： | 国家自然科学基金，教育部科学技术研究重点项目，教育部跨世纪优秀人才培养计划，山西省青年学术带头人支持计划，山西省高等学校科研开发基金，山西省留学人员科技择优项目 |
| |
| 摘 要： | 针对支持向量机（Support Vector Machine，SVM）对大规模样本分类效率低下的问题，提出了基于自适应共振理论（Adaptive Resonance Theory，ART）神经网络与自组织特征映射（Self-Organizing feature Map，SOM）神经网络的SVM训练算法，分别称为ART-SVM算法与SOM-SVM算法。这两种算法通过聚类压缩数据集，使SVM训练的速度大大提高，同时可获得令人满意的泛化能力。
|
| 关 键 词： | 支持向量机 ART-SVM算法 SOM-SVM算法 聚类 |
| 收稿时间： | 2008-7-10 |
| 修稿时间： | 2008-10-13
|
Research on SVM learning algorithms based on neural networks |
| |
| GUO Hu-sheng,WANG Wen-jian.Research on SVM learning algorithms based on neural networks[J].Computer Engineering and Applications,2009,45(2):51-54. |
| |
| Authors: | GUO Hu-sheng WANG Wen-jian |
| |
| Affiliation: | School of Computer and Information Technology，Key Laboratory of Computational Intelligence and Chinese Information Processing of Ministry of Education，Shanxi University，Taiyuan 030006，China |
| |
| Abstract: | This paper presents two Support Vector Machine(SVM) training algorithms based on Adaptive Resonance Theory(ART) and Self-Organizing feature Map(SOM)neural networks,namely ART-SVM algorithm and SOM-SVM algorithm respectively,in order to improve learning efficiency of SVM on large scale datasets.By clustering the original data,the given data can be reduced greatly.In so doing,the speed of SVM training can be greatly improved and the satisfactory generalization performance can be obtained as well. |
| |
| Keywords: | Support Vector Machine（SVM） ART-SVM algorithm SOM-SVM algorithm cluster |
| 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 |
