《计算机学报》文章摘要   全文下载
文章题目	一种改进的支持向量机NN-SVM
作者	李红莲1) 王春花2) 袁保宗1)
作者单位	1)（北方交通大学信息科学研究所 北京 100044) 2)(北京三星通信技术研究所 北京 100081）
发表年份	2003
发表月份	8期(页码： 1015-1020)
文章摘要	摘要 支持向量机（SVM）是一种较新的机器学习方法，它利用靠近边界的少数向量构造一个最优分类超平面.在训练分类器时，SVM的着眼点在于两类的交界部分，那些混杂在另一类中的点往往无助于提高分类器的性能，反而会大大增加训练器的计算负担，同时它们的存在还可能造成过学习，使泛化能力减弱.为了改善支持向量机的泛化能力，该文在其基础上提出了一种改进的SVM——NN-SVM：它先对训练集进行修剪，根据每个样本与其最近邻类标的异同决定其取舍，然后再用SVM训练得到分类器.实验表明，NN-SVM相比SVM在分类正确率、分类速度以及适用的样本规模上都表现出了一定的优越性. 关键词 支持向量机；最近邻； 修剪 中图法分类号 TP391