-
题名大规模数据集下支持向量机训练样本的缩减策略
被引量:13
- 1
-
-
作者
罗瑜
易文德
王丹琛
何大可
-
机构
西南交通大学信息科学与技术学院
重庆文理学院数学与计算机科学系
四川省信息安全测评中心
-
出处
《计算机科学》
CSCD
北大核心
2007年第10期211-213,共3页
-
基金
上海市特种光纤重点实验室科研项目
地铁CBTC无线接入安全认证算法研究。
-
文摘
大量数据下支持向量机的训练算法是SVM研究的一个重要方向和焦点。该文从分析SVM训练的问题的实质和难点出发,提出一种在训练前先求出类别质心,去除非支持向量对应的样本,从而达到缩小样本集的方法。该方法在不损失分类正确率的情况下具有更快的收敛速度,并从空间几何上解释了支持向量机的原理。仿真实验证明了该方法的可行性和有效性。
-
关键词
支持向量机
分解算法
类别质心
准支持向量
-
Keywords
Support vector machines, Decomposition algorithm, Reduction strategy,Centroid , Quasi-support vectors
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名大规模训练集的快速缩减
被引量:5
- 2
-
-
作者
罗瑜
易文德
何大可
林宇
-
机构
西南交通大学信息科学与技术学院
重庆文理学院数学与计算机科学系
西南交通大学经济管理学院
-
出处
《西南交通大学学报》
EI
CSCD
北大核心
2007年第4期468-472,489,共6页
-
基金
上海市特种光纤重点实验科研项目(20050926)
-
文摘
为了进一步减少支持向量机的训练时间,提出了一种基于类别质心的训练集缩减算法.该算法根据样本的几何分布去除训练集中大部分非支持向量.对样本规模在104数量级的数据集进行了训练实验,结果显示,在基本不损失分类精度的情况下,训练时间比直接用SMO(序贯最小优化)算法减少30%,说明该算法能有效地提高支持向量机的训练速度.
-
关键词
支持向量机
类别质心
模式分类
-
Keywords
support vector machine
class centroid
pattern classification
-
分类号
TP39
[自动化与计算机技术—计算机应用技术]
-
-
题名基于样本缩减的支持向量机在流分类中的应用
- 3
-
-
作者
杨宜辰
李敬兆
詹林
-
机构
安徽理工大学计算机科学与工程学院
-
出处
《计算机与数字工程》
2014年第2期290-292,310,共4页
-
文摘
网络流量分类对提高网络服务质量有着非常重要的作用。基于机器学习的网络流量分类中,海量的样本为训练带来了效率瓶颈。论文介绍了SVM算法原理,建立基于改进类别质心的样本缩减策略,并进行实验验证。结果表明,利用缩减样本的SVM训练时间仅为在原样本下训练时间的2%,且分类精度基本不变,证明了样本缩减策略的可行性和有效性。
-
关键词
网络流量分类
机器学习
支持向量机
类别质心
-
Keywords
internet traffic classification
machine learning
support vector machine
class centroid
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-