资料下载
×
结合SVM和KNN实现求解大规模复杂问题的分治算法
消耗积分:3 |
格式:rar |
大小:223 |
2010-01-15
ejlwj
分享资料个
针对于使用支持向量机求解大规模复杂问题存在训练时间过长和分类精度不高等困难，本文提出了一种结合支持向量机（SVM）和K-最近邻(KNN)分类的分治算法。首先对支持向量机分类机理进行分析可以得出它作为分类器实际相当于每类只选一个代表点的最近邻分类器。在此基础上，根据分治算法的基本思想将训练集划分为多个训练子集，用每个子集单独训练一个SVM，这样每个训练子集由训练后的SVM 可以分别得到正例和反例的一个代表点，由这些代表点的全体构成了整个训练集的正例和反例代表点的集合，然后在这个代表点集合基础上使用KNN 分类器最为整个问题的解。实验结果表明该分治算法对于大规模数据可使训练时间大幅度下降且使分类精度不同程度提高。
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
