论文部分内容阅读
为解决标准支撑向量机算法所面临的巨大的计算量问题，Lee和Mangasarian提出了约简支撑向量机算法；但他们选取的“支撑向量”是从训练样本里面任意选的，其分类结果受随机性影响比较大。该文利用简单的无监督聚类算法，在样本空间中选取了一些具有较强代表性的样本作为“支撑向量”，再运用约简支撑向量机算法，有效地减少了运算量。实验验证文中方法可以用较少的“支撑向量”来得到较高的识别率，同时运行时间也大大缩短。