基于抽样的两阶段支持向量机训练算法

摘要

本文针对支持向量机计算复杂度过高的问题,提出一种基于抽样的两阶段的快速训练算法,加快支持向量机训练速度.该方法是在序贯最小优化算法的基础上,对训练过程的改进,首先在数据集中随机抽取少量数据,用序贯最小优化算法训练近似的分类函数,按规则选取结果集,再与原始数据集合为新的数据集进行第二阶段的训练.实验结果表明,基于抽样的两阶段的训练方法,可以显著地减少训练的时间和空间,同时保证可比较的分类性能.