基于模糊k近邻的样本预选取的支持向量机分类算法.pdf

V01．35 第35卷第3期 延边大学学报(自然科学版) No．3 2009年9月 JournalofYanbian Science) Sep．2009 University(Natural 文章编号：1004—4353(2009)03—0263—03 基于模糊k近邻的样本预选取的 支持向量机分类算法 南光浩 (延边大学工学院计算机科学与技术系智能信息处理研究室，吉林延吉133002) 摘要：在支持向量机(SVM)方法中采用模糊k近邻方法进行样本预选取，旨在保留最优分类超平面附近的样 本点，去除远处样本点。使训练样本集减小，消除冗余，从而减小所需内存．实验结果表明，该方法无论是训练 速度还是分类精度都远远好于单独的SVM分类器． 关键词：支持向量机；模糊k近邻；样本预选取；分类 中图分类号：TPl8 文献标识码：A Pre-selectionMethodof KNNin Sample Fuzzy of VectorMachines ClassifySupport NAN Guang—hao Scienceand (IntelligentInformationProcessingLaboratory。DepartmentofComputer Technology， 133002。China) CollegeofEngineering，YanbianUniversity，Yanji Abstract：A methodof vectormachine(SVM)withknearest samplepre-selection support Fuzzy neighbor ordertOholdthe the the faroffthe (KNN)is samplesnearingsupperplane，deletesamples supper proposed showthe the setandthe resultsthat better plane，decreasetraining storage．Experimental algorithmperforms thansoleSVMin of and ofclassification． aspectstrainingaccuracy Keywords：SVM；FuzzyKNN；samplepre-selection；classification VectorMachines，简 支持向量机[1](Support 习过程中，大量时间被花费在非SV的优化上，因 称SVMs)是20世纪90年代开始在统计学理论此有必要对样本进行必要的预处理，即减小样本 基础上发展起来的一种新的机器学习方法．目前，