%0 Journal Article
%T A new NN-SVM algorithm based on gird<br>一种基于网格的最近邻SVM新算法
%A WU Yu
%A XIANG Hao-Yu
%A LIU Qun
%A <br>吴渝
%A 向浩宇
%A 刘群
%J 重庆邮电大学学报(自然科学版)
%D 2008
%I 
%X 支持向量机(SVM)算法往往由于分类面过分复杂或过学习而导致其泛化能力降低，现有的最近邻（NNSVM)或K近邻（KNNSVM）方法解决了这类样本问题，但算法时间复杂度高，处理海量样本的能力有限。在NNSVM算法的基础上引入了网格概念，提出了GNNSVM算法，该算法先对空间进行分块，然后在空间块内计算样本距离，找出最近邻，并结合分块序列最小优化算法(SMO)进行了算法实现。实验表明，该方法降低了计算复杂度，它在保持分类精度的同时，提高了训练和分类的速度，并具有较强的泛化能力，从而提高了原NNSVM算法的海量数据处理能力。
%K 支持向量机(SVM)
%K 最近邻
%K 网格
%K NN-SVM算法
%U http://www.alljournals.cn/get_abstract_url.aspx?pcid=01BA20E8BA813E1908F3698710BBFEFEE816345F465FEBA5&cid=96E6E851B5104576C2DD9FC1FBCB69EF&jid=5C2694A2E5629ECD6B59D7B28C6937AD&aid=92D15D1D5276F8AD2C31B73F14682B34&yid=67289AFF6305E306&vid=A04140E723CB732E&iid=B31275AF3241DB2D&sid=C19D5524C51D7FE4&eid=6452E1221020E61F&journal_id=1673-825X&journal_name=重庆邮电大学学报(自然科学版)&referenced_num=0&reference_num=5