大规模数据集下支持向量机训练样本的缩减策略

大量数据下支持向量机的训练算法是svm研究的一个重要方向和焦点。该文从分析svm训练问题的实质和难点出发，提出一种在训练前先求出类别质心，去除非支持向量对应的样本，从而达到缩小样本集的方法。该方法在不损失分类正确率的情况下具有更快的收敛速度，并从空间几何上解释了支持向量机的原理。仿真实验证明了该方法的可行性和有效性。