【作者】 张国宣； 孔锐； 施泽生； 郭立；

【Author】 Zhang Guoxuan Kong Rui Shi Zeshen Guo Li (Department of Electronic Science and Technology, University of Technology and Science, Hefei 230026, China)

【机构】 中国科学技术大学电子科学与技术系；

【摘要】 提出了一种新的基于聚类的支持向量机迭代算法,该算法首先通过聚类方法从训练样本集中选择出最有可能成为支持向量的一组向量组成训练子集,再用迭代训练的方法迅速构建一个最优SVM分类器。实验证明,该算法使SVM训练时间大为缩短,在不影响正确率的前提下使算法的效率得到大幅度的提高。更多还原

【Abstract】 It proposes a new SVM iterative algorithm based on clustering. Firstly, it chooses a subset of the training set, which is consist of the samples that could be the support vectors mostly. Then it constructs an optimum SVM classifier using an iterative training algorithm. It proved that the algorithm largely shortens the training time of SVM and makes the whole SVM training algorithm more efficient.更多还原