A new NN-SVM algorithm based on gird
一种基于网格的最近邻SVM新算法

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。