一种基于SVM的线性分类算法

摘要

随着样本数量的增加,算法的复杂度也随着增高,支持向量机算法需要解决一个关于样本维度的二次规划问题,文章提出一个新的算法;基于SVM的单类线性分类算法,通过增强约束不等式和为拉格朗日中的惩罚参数加平方,将二次规划问题转化为相对简单的线性问题,该算法能很好地应用于层次聚类和核聚类中.实验结果表明,本文提出的算法与单类SVM分类算法相比,在正确率几乎相同的情况下,运算速度有了很大的提高.