一种支持向量机的快速分类算法.pdf

第27 卷 第3 期 控 制 与 决 策 2012 年 3 月 Vol. 27 No. 3 Control and Decision Mar. 2012 文章编号: 1001-0920 (2012) 03-0459-05 一种支持向量机的快速分类算法 1,3 1,2 1 2 张战成 , 王士同 , 邓赵红 , 钟富礼 (1. 江南大学数字媒体学院，江苏无锡214122 ；2. 香港理工大学电子计算学系, 香港；3. 中国科学院苏州纳米技术与纳米仿生研究所，江苏苏州215123) 摘 要: 鉴于传统支持向量机分类过程的计算量和支持向量的个数成正比, 为了提高分类决策的速度, 提出一种约 简支持向量的快速分类算法, 该算法对原始的支持向量进行特定比例的模糊 均值聚类操作, 按照分类误差最小的 原则构建最小线性二乘回归模型, 求解新的支持向量系数和决策函数的偏置. 人造数据集和标准数据集上的实验表 明, 约简50 % 支持向量后, 可以在保持分类精度在无统计意义的明显损失的前提下, 使得分类速度提高50 %. 关键词: 分类；支持向量机；快速 中图分类号: TP391.4 文献标识码: A A fast decision algorithm of support vector machine 1,3 1,2 1 2 ZHANG Zhan-cheng , WANG Shi-tong , DENG Zhao-hong , CHUNG Fu-li (1. School of Digital Media，Jiangnan University ，Wuxi 214122 ，China ；2. Department of Computing，Hong Kong Polytechnic University ，Hong Kong ，China ；3. Institute of Nano-Tech and Nano-Bionics，Chinese Academy of Science，Suzhou 215123，China ．Correspondent ：ZHANG Zhan-cheng ，E-mail ：cimszhang@163.com) Abstract: The number of support vectors(SVs) of support vector machine(SVM) is usually large, which results in a substantially slower classification speed than many other approaches. The less SVs means the more sparseness and the higher classification speed. Therefore, an algorithm called FD-SVM is proposed, which employs FCM to cluster a dense SVs set to a sparse set. Then, aiming to minimize the classification gap between SVM and FD-SVM, a linear least square programming model is built for obtaining the optimal coefficients of the new sparse SVs. Experiment