基于层次聚类的大样本加权支持向量机

作     者：冯一宁 邵元海 陈静 王来生 邓乃扬 FENG Yi-ning;SHAO Yuan-hai;CHEN Jing;WANG Lai-sheng;DENG Nai-yang

作者机构：中国农业大学理学院北京100083 

基　　金：国家自然科学基金重点基金项目(10631070) 国家自然科学基金项目(60573158 10771213 10871022) 

出 版 物：《计算机工程与设计》 (Computer Engineering and Design)

年 卷 期：2009年第30卷第1期

页      码：175-178页

摘      要：支持向量机的计算复杂度依赖于训练样本点数量,无法应用到大规模的数据集。本文采用约简样本点的思想,通过对原始的样本点进行层次聚类,将各聚类的质心赋予不同权重并训练可以达到减小训练规模的目的。针对大样本集的聚类算法,对不同的聚类中心赋予不同的加权惩罚系数,不仅使得在聚类过程中的复杂度大大降低,而且能在保证精度的前提下起到加快训练速度的作用。理论分析及实验结果表明,新算法能在高精度下使数据规模大幅缩减,缩短支持向量机的训练时间。

主 题 词：支持向量机 惩罚系数 层次聚类 聚类特征 BIRCH算法 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.16208/j.issn1000-7024.2009.01.033

馆 藏 号：203825208...