基于近邻边缘检测的支持向量机.pdfVIP

计 算 机 与 现 代 化 2015年第3期 JISUANJIYUXIANDAIHUA 总第 235期 文章编号：1006—2475(2015)03-0015-05 基于近邻边缘检测的支持向量机 王秀华，武丽芬 (晋中学院信息技术与工程学院，山西 晋中 030619) 摘要：针对标准支持向量机方法需要存储、计算和处理核矩阵而学习效率很低，不能有效处理较大规模数据挖掘的问题 ， 提出一种基于近邻边缘检测的支持 向量机方法 (SVMMethodBasedonNeighborEdgeDetection，ED—SVM)。该方法将近 邻边缘检测技术引入 SVM 的训练过程 ，即首先对数据进行划分，选择混合类样本 ，通过边缘检测技术提取其 中位于近似 最优分类边界附近的含有较多重要支持向量信息的样本，构成新的小规模训练集，以在压缩训练集的同时保持原始支持 向量信息的分布特性 ；并在新构成的训练集上训练标准SVM，在提高SVM 学习效率的同时得到优秀的泛化性能。实验 结果表明，本文提出的ED_SVM方法能够同时获得较高的测试精度和学习效率。 关键词：支持向量机；边缘检测；支持向量；泛化性能；学习效率；ED—SVM算法 中图分类号：TP18 文献标识码 ：A doi：10．3969／j．issn．1006．2475．2015．03．004 SupportVectorMachineBasedonNeighborEdgeDetection WANG Xiu—hua．W U Li—fen (SchoolofInformationTechnology＆Engineering，JinzhongUniversity，Jinzhong030619，China) Abstract：ThispaperpresentsaSupportVectorMachine(SVM)methodbasedonneighboredgedetection，calledSupportVec— torMachinebasedonNeighborEdgeDetection(ED—SVM)，inordertosolvetheproblemthatthereislowtrainingefficiencyand itcannotsolvethelargescaledataminingproblemsofnomr alSVM ，becauseitneedssave，computeandsolvethelargekernel matrix．Bydividingdataandobtainingthemixedclusters，thismethodextractstheimportantsamplesneartheapproximateopti— malhyperplanebyintroducingneighboredgedetectiontechnoloyg intotheSVM trainingprocess，whichhavethemostimportant supportvectorinformation．Thenewtrainingsamplessetisconstructedbythesenew importantsamplestokeepthedistribution featureoforiginalsuppo~vectorsandcompressthesizeoftrainingdataset．Thenthenomr alSVM istrainedonthesenewtraining samplesandthegoodgeneralizationperfomr ancecarlbeobtainedwithhighlearningefficiencysynchronously．Theexperimentre—