资料下载
×
基于近邻传输的粒度支持向量机学习算法
消耗积分:0 |
格式:pdf |
大小:4.63 MB |
2021-04-12
分享资料个
传统粒度支持向量机（GSVM模型可以有效提高攴持向量机（SⅥM的学习效率，但因其对初始粒划参数比较敏感，粒中心的选取比较粗糙，会损失一定的泛化能力。提出一种基于近邻传输的粒度支持向量机学习算法（ APG SVM）。首先在训练数据上采用近邻传输思想选取一组高质量的更具有代表性的粒中心加入到训练集，再根据粒中样本的混合度及粒中心到超平面的距离对训练集进行优化，生成最终训练集，然后进行训练，这样可使GSⅥM具有更好的泛化能力。在UCⅠ标准数据集上的实验结果表明，与传统的粒度支持向量机相比，该算法分类效率有明显提高，在几个数据集上的正确率相对稳定，获得了较好的分类性能。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
