基于层次聚类的支持向量机分类算法
作者机构:西安理工大学计算机科学与工程学院陕西省西安市710048 西安理工大学图书馆陕西省西安市710048 西安宝美电气工业有限公司陕西省西安市710077
出 版 物:《电子技术与软件工程》 (ELECTRONIC TECHNOLOGY & SOFTWARE ENGINEERING)
年 卷 期:2018年第19期
页 面:186-187页
学科分类:12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术(可授工学、理学学位)]
基 金:西安市科技计划项目(2017080CG/RC043(XALG021)) 西安市科技计划项目(2017080CG/RC043(XALG011))
摘 要:针对支持向量机在大规模样本学习时,学习速度慢,需要存储空间大等问题,提出了一种基于层次聚类的支持向量机训练算法,即在标准SVM向量算法中加入CURE聚类算法。该方法首先通过聚类方法从簇中选择分散的对象,根据一个收缩因子收缩或移动它们,从而产生最有可能成为支持向量的一组向量组成训练子集,接下来再用SVM训练方法构建一个最优SVM分类器。实验证明,该算法使SVM训练时间大为缩短,在不影响精确度的前提下使算法的效率得到大幅度的提高。