一種快速的支持向量機(jī)算法研究.pdf

1、V.N.Vapnik等人提出的支持向量機(jī)算法(Support Vector Machine，SVM)一種依賴于統(tǒng)計(jì)學(xué)習(xí)理論發(fā)展而來的機(jī)器學(xué)習(xí)算法，它不僅能夠有效的解決小樣本、高維數(shù)的問題，特別是針對(duì)一些非線性問題的求解也有了驚人的效果，從而被普遍應(yīng)用于模式識(shí)別的各個(gè)領(lǐng)域，如圖形圖像檢測(cè)、文本分析及數(shù)字驗(yàn)證等。即使SVM在分類學(xué)習(xí)上嶄露頭角，但其缺陷仍舊存在，比如：其所需的計(jì)算量大，計(jì)算速度緩慢以及對(duì)參數(shù)的選擇依賴經(jīng)驗(yàn)等，這些缺點(diǎn)抑制了S

2、VM方法在大規(guī)模實(shí)際應(yīng)用中的成功。因此，SVM的新方向因在于保證算法高精度低損失的情況下有針對(duì)性的提取目標(biāo)支持向量。
　　 為了提高支持向量機(jī)的訓(xùn)練效率，本文首先依托樣本的幾何特征分析，構(gòu)造了提取訓(xùn)練集中的支持向量的兩種算法，分別為BD-SVM(Based on Distance)算法及BS-SVM(Based on the Similarity)算法。其次采用兩種算法針對(duì)較大樣本數(shù)據(jù)集進(jìn)行了仿真實(shí)驗(yàn)，并與標(biāo)準(zhǔn)的SVM作了比較，