论文研究-基于聚类的快速支持向量机训练算法.pdf

支持向量机(support vector machine, SVM)具有良好的泛化性能而被广泛应用于机器学习及模式识别领域。然而，当训练集较大时，训练SVM需要极大的时间及空间开销。另一方面，SVM训练所得的判定函数取决于支持向量，使用支持向量集取代训练样本集进行学习，可以在不影响结果分类器分类精度的同时缩短训练时间。采用混合方法来削减训练数据集，实现潜在支持向量的选择，从而降低SVM训练所需的时间及空间复杂度。实验结果表明，该算法在极大提高SVM训练速度的同时，基本维持了原始分类器的泛化性能。