有效提高svm参数搜索效率的样本集缩减策略

？核函数及相关参数的选择是支持向量机中的一个重要问题,它对模型的推广能力有很大的影响。当有大量样本参与训练的时候，寻找最优参数的网格搜索算法将消耗过长的时间。针对这一问题，提出一种舍弃非支持向量的样本点的策略，从而缩减了训练样本集。能够在基本保持原有测试准确度的前提下，将搜索时间减少一半。