文献类型：期刊文章

作　　者：陈圣兵[1] 王晓峰[1,2]

机构地区：[1]合肥学院计算机科学与技术系网络与智能信息处理重点实验室,合肥230601 [2]中国科学院合肥智能机械研究所智能计算实验室,合肥230031

出　　处：《计算机工程与应用》

基　　金：国家自然科学基金(No.61005010);安徽省高校省级自然基金(No.KJ2012B149);合肥学院人才科研基金(No.11RC06)

年　　份：2012

卷　　号：48

期　　号：7

起止页码：20-22

语　　种：中文

收录情况：AJ、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、IC、INSPEC、JST、RCCSE、ZGKJHX、普通刊

摘　　要：为了对大规模训练样本进行缩减,提出了k近邻向量,给出了一种新的样本差异度的计量方法,证明了该差异度关于噪声识别和类边界距离的几个性质。依据此性质提出了一个高效的SVM训练样本缩减算法,算法首先根据样本差异度的性质剔除噪声样本,然后用类间差异度近似表示类边界距离,结合样本相似性,直接从原始样本空间剔除次要的训练样本。仿真结果表明,减样算法可以有效缩减样本,提高训练效率。

关 键 词：大规模样本集  减样  去噪 支持向量机 样本差异度  

分 类 号：TP181]