论文部分内容阅读
建立在统计学习理论基础上的支持向量机(SVM)具有良好的分类性能,然而其训练的计算量大的弊端,严重限制了其在大规模数据分类方面的应用。针对大规模数据训练的问题,提出一种模糊核聚类支持向量分类方法,该方法将核函数技术与模糊聚类技术相结合,首先滤除一部分冗余的样本点,减少了进入SVM训练过程的样本数,大大提高了SVM的训练效率,使其能够适应处理大规模高维数据的分类。最后利用UCI数据库中的数据对本文的方法进行了评估,实验结果表明通过模糊核聚类技术,能够过滤掉大量的冗余样本点,并且利用过滤后的样本所训练的