论文部分内容阅读
为了进一步减少支持向量机的训练时间，提出了一种基于类别质心的训练集缩减算法．该算法根据样本的几何分布去除训练集中大部分非支持向量．对样本规模在10^4数量级的数据集进行了训练实验，结果显示，在基本不损失分类精度的情况下，训练时间比直接用SMO（序贯最小优化）算法减少30％，说明该算法能有效地提高支持向量机的训练速度．