文献类型：期刊文章

作　　者：何慧[1] 胡小红[2] 覃华[3] 张敏[3]

机构地区：[1]江西师范大学商学院电子商务系,江西南昌330022 [2]抚州市党校,江西抚州344000 [3]广西大学计算机与电子信息学院,广西南宁530004

出　　处：《江西师范大学学报（自然科学版）》

基　　金：国家自然科学基金(61063032);教育部人文社会科学研究规划基金(1YJAZH080)资助项目

年　　份：2013

卷　　号：37

期　　号：6

起止页码：574-578

语　　种：中文

收录情况：AJ、BDHX、BDHX2011、CAS、CSA、CSA-PROQEUST、IC、JST、MR、PROQUEST、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：提出了使用核空间K-means聚类算法从训练集中抽取特征边界支持向量集,在边界集上构造支持向量机的半定规划问题,由于边界集的规模比原始训练集要小,降低了半定规划支持向量机的规模,达到优化向量机的目的.在UCI数据集上的实验结果表明:所提优化方法在求解多核半定规划向量机时,比原始方法获得几倍以上的速度提升,分类精度基本不变.

关 键 词：支持向量机 半定规划 核K—means聚类  减样  

分 类 号：TP309]