基于核向量机的模式分类及其实验测试

郭瑞华; 程国建

Chinese

您当前的位置：

首页 >

文章列表页 >

基于核向量机的模式分类及其实验测试

更新时间：2026-09-04

- 基于核向量机的模式分类及其实验测试
- Pattern Classification and Experiment Testing Based on Core Vector Machine
- 微电子学与计算机 2010年27卷第9期页码：190-192
- 作者机构：
  
  西安石油大学机构计算机学院,陕西,西安,710065
- 作者简介：
- 基金信息：
  
  国家自然科学基金项目(40872087)
- DOI：
  中图分类号：
- 纸质出版：2010
- 稿件说明：
移动端阅览
郭瑞华, 程国建. 基于核向量机的模式分类及其实验测试[J]. 微电子学与计算机, 2010, 27(9): 190-192,196.

GUO Rui-hua, CHENG Guo-jian. Pattern Classification and Experiment Testing Based on Core Vector Machine[J]. 2010, 27(9): 190-192.
郭瑞华, 程国建. 基于核向量机的模式分类及其实验测试[J]. 微电子学与计算机, 2010, 27(9): 190-192,196. DOI：

GUO Rui-hua, CHENG Guo-jian. Pattern Classification and Experiment Testing Based on Core Vector Machine[J]. 2010, 27(9): 190-192. DOI：

摘要

文中使用一种新的SVM变种——核向量机来对大样本数据集进行训练建模

进而求解模式分类问题.CVM算法是将核函数转换为最小包围球问题进行求解

可以解决任何线性或非线性分类问题.测试结果表明

核向量机可以快速对大样本数据进行分类并能产生较少的支持向量.

Abstract

To handle such kind of large datasets

we use a new kind of CVM variable--Core Vector Machine(CVM)for pattern classification.CVM algorithm formulates original kernel methods in SVM as a Minimum Enclosing Ball(MEB) problems in computational geometry and it can be used with any linear/nonlinear kernels.Experiment shows that the CVM is as accurate as existing SVM implementations

but it gets smaller support vectors and much faster than SVM for very larger datasets.

关键词

Keywords

references

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

超低功耗实时时钟电路的设计

基于反向体偏置的高增益稳定性高温运放设计

基于改进RT-DETR的航拍小目标检测算法

基于监控指标关联性的微服务异常检测

基于MSS-YOLO-MPHands融合架构的装配手部动作识别研究