一种提高分类精度的支持向量机NDR-SVM

提出基于近邻域比率的支持向量机NDR-SVM。该算法对每个训练样本构造一个近邻域,在此邻域中计算与中心同类的样本占邻域中总样本的比率;根据比率与剔除阈值的大小关系决定邻城中心的取舍,并将所保留的样本带入SVM分类.通过修剪训练集,该算法减弱了噪声对SVM泛化能力的影响。实验结果表明,与已有算法相比,NDR-SVM具有更高的分类精度,大大提高了训练速度。