支持向量机分类器的快速样本选择法

摘要

当样本集很大时,训练支持向量机需要很大的内存空间和很长的CPU占用时间.为了减轻支持向量机训练过程中的计算负担,提出一种快速的改进算法,该算法只选择靠近最优超平面的样本.实验结果表明:当训练集很大时,训练时间及预处理的时间都得到了削减,同时,分类精度并没有损失.