基于双支持向量机的大样本分类算法 (2015年)

针对支持向量机(support Vector Machine，SVM)处理大规模样本分类的学习效率降低问题，提出两阶段学习的支持向量机算法。该方法首先在正负类分别进行无监督聚类，提取各个聚类质心组成约简训练集，进行初次 SVM训练；然后，根据初次训练结果选取边界样本集，参与第二次SVM训练。在UCI数据集上的实验结果表明，所提方法在保持分类泛化性能的同时，提高了模型的训练速度。