基于样本关联度权重的增量支持向量机算法.pdf

蹙a叶姣2017年第30卷第3期 协 议 ·算 法 及 仿 真 ElectronicSci． Tech．／Mar．15．2017 doi：10．16180／j．cnki．issnlO07—7820．2017．03．012 基于样本关联度权重的增量支持 向量机算法 张 烨 (兰州交通大学 电子与信息工程学院，甘肃 兰州 730070) 摘 要 当处理数据规模较大、属性较多、且存在噪声数据干扰的医疗数据时，传统的支持向量机会 出现训练速度 变慢、参数敏感且难以保证其准确率等问题。为解决此问题，文中提出了一种基于样本关联度权重的增量支持向量机算 法。通过引入关联度对样本进行加权处理 ，同时利用KKT条件对训练样本进行筛选，不仅节省了大量的内存存储空间， 且减少了动l练时间，进一步提高了分类学习的准确度。 关键词 支持向量机；样本加权 ；增量支持向量机 ；KKT条件 中图分类号 TP391．41 文献标识码 A 文章编号 1007—7820(2017)03—041—05 IncrementalSupportVectorM achineAlgorithm BasedonW eightofSample ， CorrelationDegree ZHA G Ye (SchoolofElectronicandInformationEngineering，LanzhoujiaotongUniversity， Lanzhou730070，China) Abstract Whenprocessingdataonalargerscale，morepropertiesandnoisedataofmedical data，thetradi— tional supportvectormachinehastheproblem ofslowtrainingspeed，sensitivepraametersanddifficulttoensureits accuracy．Inordertosolvethisproblem，thispaperproposesanincrementalsupportvectormachinealgorithm based ontheweightofsamplecorrelationdegree．Byintroducingthecorrelationdergeeofthesampleweighted，atthesame time，theKKTconditionsforscreeningoftrainingsamples，improvedincrementalweihgtedsupportvectormachine algorithm，anditnotonlytosavethelargememorystoragespace，butalsoreducesthetrainingtime，tofurtherim- provetheaccuracyofclassificationlearning． Keywords supportvectormachine；sampleweihgting；incrementalsupportvectormachine；KKTcondition 对医疗数据进行实时的数据分析和数据挖掘处 来减少孤立点所带来的影响 J。 理，可较好地帮助医疗工作者和研究人员分析隐藏在 本文提出的基于样本关联度权重的增量支持向量 医疗数据中不同数据之间的关系，为医生制定治疗方 机算法 (SCW—ISVM)，就是在增量学习支持向量机基 案提供辅助决策 ¨J。