论文部分内容阅读
针对支持向量机（Support vector machines，SVMs）中大规模样本集训练速度慢且分类精度易受野点影响的问题，提出一个基于样本几何信息的支持向量机算法。其基本步骤是，首先分别求取每类样本点的壳向量和中心向量，然后将求出的壳向量作为新的训练集进行标准的SVM训练得到超平面的法向量，最后利用中心向量来更新法向量从而减少野点的影响得到最终的分类器。实验表明，采用这种学习策略，不仅加快了训练速度，而且在一般情况下也提高了分类精度。