构建分类器复杂度降低的支持向量机
S.Sathiya Keerthi、Olivier Chapelle、Dennis DeCoster; 7(55):1493−1515, 2006.
摘要
支持向量机(SVM)虽然准确,但在由于数量多,需要很高的分类速度的应用程序为了克服这个问题,我们设计了一个原始方法具有以下特性:(1)它解耦了思想基于支持向量概念的基函数;(2) 它贪婪地找到一组指定最大值的核基函数尺寸(d日最大值)近似SVM原始成本功能良好;(3)它是高效的,大致可以扩展为O(第最大值2)哪里n个是培训示例数量;(4)基函数的个数通常需要达到接近SVM精度的精度远远少于SVM支持向量的数量。
[腹肌]
[pdf格式][围兜]