-
题名一种SVM训练样本集寻优算法
被引量：5
- 1
-
-
作者
吴东洋
业巧林
业宁
张训华
武波
-
机构
南京林业大学信息技术学院
-
出处
《计算机应用与软件》
CSCD
2010年第9期14-16,19,共4页
-
基金
国家自然基金(30671639)资助
江苏省科技创新项目(CX08S-010Z)
-
文摘
首先运用Bagging算法解决样本数据变化带来的不稳定性,然后运用网格搜索法寻找合适的训练样本尺寸,再结合两者的特点,提出了一种自助网格搜索算法,从多个支持向量机(SVM)分类器中寻求一个最优的SVM分类器。实验结果表明,算法有效地提高了分类器的学习精度与学习性能,对大样本数据来说,可以用相对较少的样本进行训练后的性能来预测它对一个非常庞大的训练集的性能,大大减少了SVM训练的时间。
-
关键词
SVM分类器
BAGGING算法
自助网格搜索算法
训练样本数量
-
Keywords
SVM classifier Bagging algorithm Self-help grid search algorithm Training samples number
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
