基于样本关联度权重的增量支持向量机算法

作者：张烨支持向量机样本加权增量支持向量机kkt条件

摘要：当处理数据规模较大、属性较多、且存在噪声数据干扰的医疗数据时,传统的支持向量机会出现训练速度变慢、参数敏感且难以保证其准确率等问题。为解决此问题,文中提出了一种基于样本关联度权重的增量支持向量机算法。通过引入关联度对样本进行加权处理,同时利用KKT条件对训练样本进行筛选,不仅节省了大量的内存存储空间,且减少了训练时间,进一步提高了分类学习的准确度。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社