势函数聚类的优化下采样SVM分类方法

来源：计算机集成制造系统杂志2020年第1期北京时间：

作者：闻辉,贾冬顺,严涛,陈德礼,林元模

单位：1.莆田学院信息工程学院2.东方地球物理公司辽河物探处

摘要：为了改善大样本集下支持向量机(SVM)的训练效率和泛化性能,提出一种新算法。该算法运用采样优化和学习器优化相结合的策略,通过构建势函数对原始样本空间进行密度度量,建立了不同参数的高斯核,以实现对样本空间不同区域的逐次覆盖,并以增量学习的方式生成下采样集。然后,在所获取的下采样集上进行SVM初始训练,通过寻找原始训练集中的边界样本,进行SVM二次优化。最后,将新算法应用于人工数据集及基准数据集,结果表明,该算法在有效改善训练效率的同时,保证了分类器的泛化性能。

关键词：支持向量机,下采样集,大样本集,势函数,分类

基金资助：国家自然科学基金资助项目(61741111);福建省自然科学基金资助项目(2019J01815,2019J01816);江西省自然科学基金资助项目(20181BAB202011);福建省中青年教师教育科研资助项目(JT180486,JAT170504);莆田市科技局资助项目(2018RP4004,2018ZP10);莆田学院引进人才科研启动资助项目(2018088)。