计算机与现代化 ›› 2010, Vol. 1 ›› Issue (8): 15-17.doi: 10.3969/j.issn.1006-2475.2010.08.005
蒋桂莲,刘树锟
JIANG Gui-lian, LIU Shu-kun
摘要:
针对v-支持向量机在样本集规模较大的情况下,需要占用大量训练时间的问题,提出基于粗糙集边界的v-支持向量机混合分类算法。该算法根据粗糙集理论边界区域的优点,生成分类数据的边界集,使其包括全部的支持向量,用此边界向量集替代原始样本作为训练集,减少训练集的数量,则可以在不影响分类精度和泛化性能的前提下显著缩短v-支持向量机的训练时间。仿真结果表明该算法的有效性。