粒度支持向量机(Granular Support Vector Machine,GSVM)模型可以有效提高SVM的学习效率,但会损失一定的泛化能力。本文提出一种新的粒度支持向量机学习算法,称为层次粒度支持向量机(Hierarchical Granular Support Vector Machine,HGSV...
粒度支持向量机(Granular Support Vector Machine,GSVM)模型可以有效提高SVM的学习效率,但会损失一定的泛化能力。本文提出一种新的粒度支持向量机学习算法,称为层次粒度支持向量机(Hierarchical Granular Support Vector Machine,HGSVM),通过定义一个新的数据置信度挑选对分类贡献较大的重要信息粒,并在每次的迭代训练中根据粒的重要性进行自动粒划,以获得更好的泛化能力。在UCI标准数据集上的实验结果表明,与传统的粒度支持向量机相比,本文的算法可获得较好的分类性能。
暂无评论