基于Hausdorff距离的SVM训练集选择方法.pdf

这篇论文是关于支持向量机（SVM）训练集选取方法的研究。作者提出了一种基于Hausdorff距离的新方法，用于选择SVM的训练集。通过分析Hausdorff距离和支持向量机之间的关系，研究了如何利用Hausdorff距离来优化SVM模型的性能。通过实验证明，所提出的方法在不改变原始数据分布的情况下，能够有效地选择出具有代表性的训练样本，提高了SVM的分类性能。