论文部分内容阅读
支持向量机（SVM）算法在训练集的规模很大特别是支持向量很多时，支持向量机的学习过程需要占用大量的内存，算法的速度较慢。为此，笔者提出一种新的SVM快速分类算法。该算法通过选择边界向量，构造新的训练样本，减少了参与训练的样本数目。实验证明，该算法不仅能保证原算法的精度，具有良好的推广能力，而且提高了算法的速度。