论文部分内容阅读
支持向量机是在统计学习理论的基础上发展起来的新一代学习方法，广泛应用于分类问题。但支持向量机对噪音点很敏感，容易产生过学习现象，减弱其泛化能力。本文提出一种抗噪音的支持向量机学习新方法，利用支持向量机良好的学习能力，首先对训练样本进行训练，再对训练样本进行去噪处理，去除噪音点和孤立点，最后进行二次学习得到更优的支持向量机。实验证明用本方法学习到的支持向量机具有更好的分类精度和泛化能力。