一种支持向量机的样本约简方法

摘要 支持向量机算法求解会涉及矩阵的存储与运算，因此算法的时空复杂度较大，这些不足限制了支持向量机的应用。为提高支持向量机的训练速度，缩短训练时间，本文提出一种样本约简方法。该方法通过两次样本约简，剔除掉大部分非边界样本，保留少数且有效的样本作为训练集。然后，采取KNN算法去除约简后训练集中的孤立点和噪音点。最后，对UCI标准数据集中的Breast-Cancers数据进行实验，支持向量减少了25个，训练时间减少了7ms，而准确率却得到了提高。实验结果表明，在保证预测精确度的前提下，该算法能够有效进行样本约简，缩短训练时间