适合大样本的线性svms快速集成模型

线性svm具有算法简单、训练和测试速度快等优点,但不能用于解决线性不可分问题。为此,将样本数据集划分为多个集合并分别构造它们的lsvm,然后运用径向基函数的非线性组合来拟合非线性的决策函数,从而解决线性不可分问题。鉴于此,提出了一种适合非线性大样本分类的lsvm快速集成模型fmelsvm。该模型利用径向基函数rbf改善了lsvm的非线性输出能力,同时引进了优化权来提升lsvm的集成效果。uci数据集的实验结果表明,fmelsvm在处理大样本方面具有较好的性能优势。