论文部分内容阅读
提出了使用核空间K—means聚类算法从训练集中抽取特征边界支持向量集，在边界集上构造支持向量机的半定规划问题，由于边界集的规模比原始训练集要小，降低了半定规划支持向量机的规模，达到优化向量机的目的．在UCI数据集上的实验结果表明：所提优化方法在求解多核半定规划向量机时，比原始方法获得几倍以上的速度提升，分类精度基本不变．