| 大规模训练数据的支持向量机学习新方法 |
| |
| 引用本文： | 郑志洵,杨建刚. 大规模训练数据的支持向量机学习新方法[J]. 计算机工程与设计, 2006, 27(13): 2425-2426,2431 |
| |
| 作者姓名： | 郑志洵 杨建刚 |
| |
| 作者单位： | 浙江大学,计算机学院,浙江,杭州,310027;浙江大学,计算机学院,浙江,杭州,310027 |
| |
| 摘 要： | 支持向量机不能直接对大规模的训练数据进行学习。提出一种新的减小样本集规模的方法；在映射后的高维空间中寻找两种类别的交界部分，交界部分上的样本作为学习样本。并且指出，不需涉及具体映射的形式只用核函数即可找到交界部分的样本。实验表明，新方法优于直接在低维样本空间中寻找交界部分样本的方法。
|
| 关 键 词： | 支持向量机 大规模训练数据 核函数 高维空间 类别交界 |
| 文章编号： | 1000-7024（2006）13-2425-02 |
| 收稿时间： | 2005-05-06 |
| 修稿时间： | 2005-05-06 |
New method of SVM learning with large scale training data |
| |
| ZHENG Zhi-xun,YANG Jian-gang. New method of SVM learning with large scale training data[J]. Computer Engineering and Design, 2006, 27(13): 2425-2426,2431 |
| |
| Authors: | ZHENG Zhi-xun YANG Jian-gang |
| |
| Affiliation: | College of Computer Science, Zhejiang University, Hangzhou 310027, China |
| |
| Abstract: | SVM can not learn from large scale training data directly. A new method to decrease the scale of training data is proposed, which is to frnd the border of the two categories in the mapped high dimension space. This method is based directly on the kernel function regardless of the mapping form. Experiments show that this new method is better than the way to find the border of the two categories in the original low dimension space. |
| |
| Keywords: | SVM large scale training data kernel function high dimension space border of categories |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
