论文部分内容阅读
针对核空间中大数据集的计算代价高问题，提出用NSVM方法减少分类器的训练数据。先用NSVM、核主成分分析（KPCA）和贪婪KPCA分别从全部训练数据中提取训练分类器的子集；再用子集训练分类器，并用训练和测试数据的错分率对分类结果进行评价。在两个数据集和两种分类器中，用KPCA提取的子集训练的分类器的分类性能弱于NSVM和贪婪KPCA，但用贪婪KPCA提取的子集训练的分类器的泛化能力弱于NSVM。仿真结果袁明，用NSVM方法提取的子集训练的分类器，不仅保证了分类器的泛化能力，也降低了分类算法的计算复杂度。