论文部分内容阅读
针对支持向量机中当样本集训练规模很大且存在野点时，其分类速度慢且精度不高的问题，提出一个支持向量机快速算法。其基本步骤是首先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和中心向量合在一起，组成新的训练集进行训练，得到最终的分类器。实验表明采用这种学习策略，不仅大幅度降低了学习代价，而且获得的分类精度与直接通过大规模样本集训练得到的分类器的分类精度相当，同时分类速度也得到大幅度提高。