收藏本站
《电子与信息学报》 2008年11期
收藏 | 投稿 | 手机打开
二维码
手机客户端打开本文

HSMC-SVM的二次逼近快速训练算法

徐图  罗瑜  何大可  
【摘要】:HSMC-SVM是一种直接型高速多类支持向量机,适合用于类别较多的分类场合,但由于SMO算法采用经验方法选择工作集,使得在用SMO算法训练HSMC-SVM时,收敛速度较慢。为提高HSMC-SVM的收敛速度,该文提出用基于二次逼近的可行方向法来训练HSMC-SVM,并使用了样本缩减策略。实验表明,这种方法可以有效提高HSMC-SVM的收敛速度,其收敛速度已经超过了基于libsvm的组合多类支持向量机,完全可以用于分类类别多、样本数量大的分类场合。
【作者单位】西南交通大学信息科学与技术学院;
【分类号】:TP18

【引证文献】
中国期刊全文数据库 前1条
1 王欣欣;赖惠成;;改进的SMO文本分类算法[J];信息安全与通信保密;2011年12期
中国硕士学位论文全文数据库 前1条
1 林超;基于超球体多类支持向量机的高光谱遥感影像分类[D];中南大学;2011年
【共引文献】
中国期刊全文数据库 前10条
1 郭立萍;唐家奎;米素娟;张成雯;赵理君;;基于支持向量机遥感图像融合分类方法研究进展[J];安徽农业科学;2010年17期
2 肖志刚;徐宏;杨素林;王岩;孙玉梅;;基于平衡策略的支持向量机在电力系统中期负荷预测的应用[J];河北农业大学学报;2006年05期
3 熊小龙;王洁;牛天林;杜燕波;;用于故障诊断的新型多专家系统[J];电光与控制;2009年07期
4 吴广潮;肖法镇;奚建清;杨晓伟;何丽芳;吕浩然;刘小兰;;A Hierarchical Clustering and Fixed-Layer Local Learning Based Support Vector Machine Algorithm for Large Scale Classification Problems[J];Journal of Donghua University(English Edition);2012年01期
5 秦玉平;王秀坤;;一种改进的快速支持向量机分类算法研究[J];大连理工大学学报;2007年02期
6 杜颖;卢继平;李青;邓颖玲;;基于最小二乘支持向量机的风电场短期风速预测[J];电网技术;2008年15期
7 田立岩;胡晓光;;一种改进的快速嵌入式字符识别方法[J];光电子.激光;2010年10期
8 孟银阔,吕振肃,刘建荣;支持向量机及其在模式分类中的应用[J];甘肃科学学报;2003年02期
9 ;SVM CLASSIFICATION:ITS CONTENTS AND CHALLENGES[J];Applied Mathematics:A Journal of Chinese Universities;2003年03期
10 张见;邹俊忠;雷江震;李艳洪;王行愚;;基于动态筛选策略的SMO改进算法[J];华东理工大学学报(自然科学版);2007年02期
中国重要会议论文全文数据库 前3条
1 杜晓东;李岐强;;基于数据几何特征的SVM改进方法[A];第16届中国过程控制学术年会暨第4届全国故障诊断与安全性学术会议论文集[C];2005年
2 晏庆华;;支持向量机算法综述[A];2008'中国信息技术与应用学术论坛论文集(二)[C];2008年
3 胡海清;;序列最小优化及其改进算法[A];第十届中国科协年会信息化与社会发展学术讨论会分会场论文集[C];2008年
中国博士学位论文全文数据库 前10条
1 渠瑜;基于SVM的高不平衡分类技术研究及其在电信业的应用[D];浙江大学;2010年
2 曹葵康;支持向量机加速方法及应用研究[D];浙江大学;2010年
3 王冬丽;基于可扩展的支持向量机分类算法及在信用评级中的应用[D];东华大学;2011年
4 韩晓明;基于符号有向图和支持向量机的故障诊断方法的研究[D];太原理工大学;2011年
5 于哲夫;一种新的特征选择方法及其在路面使用性能分析中的应用[D];大连海事大学;2011年
6 高田;基于领域知识的旅游突发事件状态评估与演化研究[D];北京邮电大学;2011年
7 黄静华;支持向量机算法研究及在气象数据挖掘中的应用[D];中国矿业大学(北京);2011年
8 左琳;神经网络及在网络用户行为分析中的应用研究[D];电子科技大学;2011年
9 刘宏兵;多目标粒度支持向量机及其应用研究[D];武汉理工大学;2011年
10 王开义;基于支持向量机的农产品生产关键控制点发现研究[D];北京工业大学;2011年
中国硕士学位论文全文数据库 前10条
1 刘志强;基于数据挖掘的客户行为分析和预测研究[D];山东科技大学;2010年
2 于洪霞;基于SVM的中文垃圾邮件过滤[D];哈尔滨工程大学;2009年
3 张磊;基于支持向量机的反垃圾电话技术研究[D];哈尔滨工程大学;2010年
4 陈启;基于支持向量回归在短期负荷预测中的应用[D];河北工程大学;2010年
5 王坤朋;基于指数梯度更新的支持向量机算法[D];西安电子科技大学;2011年
6 李阳;最小二乘支持向量机稀疏化算法的改进研究[D];重庆师范大学;2011年
7 朱云贺;模糊C均值聚类算法的相关问题研究[D];中国海洋大学;2011年
8 姜敩闻;城市道路交通流监控及短时预测技术研究[D];西南交通大学;2011年
9 朱志伟;数学模型在高校招生预测中的应用[D];青岛理工大学;2010年
10 文成;基于机器学习方法的股票数据研究[D];重庆理工大学;2011年
【同被引文献】
中国期刊全文数据库 前10条
1 吴强;贾传荧;李冰梅;;基于Gauss核函数的快速构造最小超球算法[J];大连海事大学学报;2007年03期
2 刘爽;史国友;;基于加权超球支持向量机算法的超文本分类研究[J];大连海事大学学报;2009年01期
3 裴继红,范九伦,谢维信;一种新的高效软聚类方法:[J];电子学报;1998年02期
4 梁亮;杨敏华;李英芳;;基于ICA与SVM算法的高光谱遥感影像分类[J];光谱学与光谱分析;2010年10期
5 刘爽;陈鹏;;改进的超球支持向量机算法[J];计算机工程与应用;2009年16期
6 徐图;罗瑜;何大可;;超球体单类支持向量机的SMO训练算法[J];计算机科学;2008年06期
7 张贝贝;何中市;;基于支持向量数据描述算法的SVM多分类新方法[J];计算机应用研究;2007年11期
8 陈凤娟;;基于支持向量机的分类预测算法研究[J];计算机与网络;2009年19期
9 徐图;何大可;;超球体多类支持向量机理论[J];控制理论与应用;2009年11期
10 朱美琳,刘向东,陈世福;用球结构的支持向量机解决多分类问题[J];南京大学学报(自然科学版);2003年02期
中国博士学位论文全文数据库 前8条
1 夏建涛;基于机器学习的高维多光谱数据分类[D];西北工业大学;2002年
2 范昕炜;支持向量机算法的研究及其应用[D];浙江大学;2003年
3 刘志刚;支撑向量机在光谱遥感影像分类中的若干问题研究[D];武汉大学;2004年
4 何灵敏;支持向量机集成及在遥感分类中的应用[D];浙江大学;2006年
5 徐图;超球体多类支持向量机及其在DDoS攻击检测中的应用[D];西南交通大学;2008年
6 徐磊;基于1-SVM的多球体分类器理论及其应用研究[D];浙江大学;2008年
7 梁锦锦;支持向量机和支持向量域描述的若干问题研究[D];西安电子科技大学;2009年
8 鲁淑霞;基于支持向量机的多光谱数据分类[D];河北大学;2007年
中国硕士学位论文全文数据库 前10条
1 项霞;基于最小二乘支持向量机的多光谱遥感影像分类[D];武汉大学;2005年
2 张勇;基于SVM遥感图像专题信息提取研究[D];中南大学;2005年
3 刘治国;支持向量机算法在TM多光谱图像分类中的应用与实现[D];中国地质大学(北京);2006年
4 许磊;支持向量机和模糊理论在遥感图像分类中的应用[D];江南大学;2006年
5 张森;基于支持向量机的遥感分类对比研究[D];昆明理工大学;2007年
6 郭春燕;基于支持向量机的高光谱遥感图像分类[D];哈尔滨工程大学;2007年
7 杨希明;高光谱遥感图像分类方法研究[D];哈尔滨工程大学;2007年
8 乔蕾;基于支持向量机的高光谱图像分类研究[D];哈尔滨工程大学;2008年
9 竭洋;基于模糊支持向量机的多类文本分类方法研究[D];兰州理工大学;2009年
10 蔡华利;基于SVM的多源遥感分类的竹林信息提取方法研究[D];北京林业大学;2009年
【相似文献】
中国期刊全文数据库 前10条
1 徐图;何大可;;超球体多类支持向量机理论[J];控制理论与应用;2009年11期
2 徐图;;最小二乘超球多类支持向量机[J];系统仿真学报;2009年23期
3 吴义国;黄彪;黎超;张磊;魏星;;一种改进的支持向量机学习算法[J];现代计算机(专业版);2011年09期
4 李向东;王进华;;支持向量机分解算法研究[J];计算机与数字工程;2007年05期
5 徐图;罗瑜;何大可;;超球体单类支持向量机的SMO训练算法[J];计算机科学;2008年06期
6 陈卫民;宋晓峰;姜斌;;基于预备工作集的最小序列优化算法[J];计算机应用研究;2007年10期
7 ;[J];;年期
8 ;[J];;年期
9 ;[J];;年期
10 ;[J];;年期
中国博士学位论文全文数据库 前1条
1 徐图;超球体多类支持向量机及其在DDoS攻击检测中的应用[D];西南交通大学;2008年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026