-
题名基于随机中心距离排序的支持向量预选取方法
- 1
-
-
作者
胡志军
王鸿斌
李荣
-
机构
忻州师范学院计算机系
-
出处
《微电子学与计算机》
CSCD
北大核心
2013年第8期36-39,共4页
-
基金
山西省自然科学基金项目(2009011018-4)
山西省高校科技开发项目(20101120)
-
文摘
提出了一种基于随机中心距离排序的支持向量预选取方法.对于线性可分情况,该方法首先从每一个类别中随机选取一定数目的样本计算均值,并把该均值作为该类别样本的随机中心,然后对每一个样本计算它与另一类样本随机中心之间的距离,最后选择一定数目具有较小随机中心距离的原始样本组成边界样本集.对于非线性可分情况,此算法借助于核函数将原始问题映射到特征空间,然后再按照线性可分情况求解.由于支持向量往往分布在两类样本相邻的边界区域,因此此方法可以较为精确地预选取支持向量.在部分UCI标准数据集和ORL人脸数据库上的实验说明此算法较以往支持向量预选取算法可以更为快速准确地进行支持向量预选取.
-
关键词
支持向量预选取
随机中心
距离排序
边界样本集
-
Keywords
support vector pre-extraction methods
a random center
distance sorting
boundary samples set
-
分类号
TP3
[自动化与计算机技术—计算机科学与技术]
-
-
题名基于离散度的SVDD支持向量预选取方法
- 2
-
-
作者
李传亮
王友仁
罗慧
崔江
-
机构
南京航空航天大学自动化学院
-
出处
《佳木斯大学学报（自然科学版）》
CAS
2011年第2期184-187,192,共5页
-
基金
国家航空科学基金(NO.2009ZD52045)
江苏省科技支撑计划项目(BE20080035)
江苏省研究生科研创新计划(CX10B098Z)
-
文摘
为了提高SVDD训练效率、降低存储空间需求,提出了样本的离散度概念,从理论上证明了样本的离散度和支持向量可能性大小之间的关系,并以此为依据来预选取支持向量.仿真实验表明该方法能够在保证SVDD分类精度的前提下,大幅减少训练样本数,而且比现有的其它方法精度更高,证明了该方法的有效性和优越性.
-
关键词
支持向量数据描述
SVDD
支持向量预选取
离散度
-
Keywords
support vector domain description
SVDD
support vector pre-extracting
dispersion
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于错分样本的AdaBoost支持向量预选取算法
- 3
-
-
作者
叶菲
罗军
-
机构
解放军陆军军官学院
-
出处
《微电子学与计算机》
CSCD
北大核心
2013年第4期50-52,共3页
-
文摘
支持向量机在大样本情况下训练速度慢,支持向量预选取可以解决这个问题.AdaBoost算法重点关注错分样本,而错分样本一般都处于分类边界,支持向量就由分类边界样本构成.因此,提出基于错分样本的AdaBoost支持向量预选取算法,该算法通过AdaBoost提升过程,使得越是容易被错分的样本权值越大,从而实现支持向量的预选取,通过仿真实验验证了算法的有效性.
-
关键词
ADABOOST
错分样本
SVM
支持向量预选取
-
Keywords
AdaBoost
error sample
SVM
Support Vector Pre-extracting
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
