一种提高分类精度的支持向量机ndr-svm

提出基于近邻域比率的支持向量机ndr-svm。该算法对每个训练样本构造一个近邻域，在此邻域中计算与中心同类的样本占邻域中总样本的比率；根据比率与剔除阈值的大小关系决定邻域中心的取舍，并将所保留的样本带入svm分类,通过修剪训练集，该算法减羁了噪声对svm泛化能力的影响。实验结果表明，与已有算法相比，ndr-svm具有更高的分类精度，大大提高了训练速度。