文献类型：期刊文章

作　　者：李红莲[1] 王春花[2] 袁保宗[1]

机构地区：[1]北方交通大学信息科学研究所,北京100044 [2]北京三星通信技术研究所,北京100081

出　　处：《计算机学报》

基　　金：国家自然科学重点基金 (697893 0 1);国家"九七三"重点基础研究发展规划项目 (G19980 3 0 5 0 11)资助

年　　份：2003

卷　　号：26

期　　号：8

起止页码：1015-1020

语　　种：中文

收录情况：BDHX、BDHX2000、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、EI、IC、INSPEC、JST、MR、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：支持向量机 (SVM )是一种较新的机器学习方法 ,它利用靠近边界的少数向量构造一个最优分类超平面 .在训练分类器时 ,SVM的着眼点在于两类的交界部分 ,那些混杂在另一类中的点往往无助于提高分类器的性能 ,反而会大大增加训练器的计算负担 ,同时它们的存在还可能造成过学习 ,使泛化能力减弱 .为了改善支持向量机的泛化能力 ,该文在其基础上提出了一种改进的SVM———NN SVM :它先对训练集进行修剪 ,根据每个样本与其最近邻类标的异同决定其取舍 ,然后再用SVM训练得到分类器 .实验表明 ,NN SVM相比SVM在分类正确率。

关 键 词：支持向量机 机器学习  训练分类器  NN-SVM  

分 类 号：TP181]