%0 Journal Article
%T 一种基于网格的最近邻SVM新算法
%A 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
%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NNSVM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://journal.cqupt.edu.cn/jcuptnse/jcuptnse/ch/reader/view_abstract.aspx?file_no=20080618&flag=1