基于神经网络的支持向量机学习方法研究-山西大学计算机与信息技术.pdf

计算机工程与应用 ， （ ） Computer Engineering and Applications 2009 45 2 51 基于神经网络的支持向量机学习方法研究 郭虎升，王文剑 ， GUO Hu-sheng WANG Wen-jian 山西大学计算机与信息技术学院，计算智能与中文信息处理省部共建教育部重点实验室，太原 030006 School of Computer and Information Technology ，Key Laboratory of Computational Intelligence and Chinese Information Processing of Ministry of Education ，Shanxi University ，Taiyuan 030006 ，China E-mail ：wjwang@ GUO Hu-sheng ，WANG Wen-jian.Research on SVM learning algorithms based on neural networks.Computer Engineer－ ing and Applications ，2009 ，45 （2）：51-54. Abstract ：This paper presents two Support Vector Machine （SVM）training algorithms based on Adaptive Resonance Theory （ART） and Self-Organizing feature Map （SOM）neural networks，namely ART-SVM algorithm and SOM-SVM algorithm respectively，in order to improve learning efficiency of SVM on large scale datasets.By clustering the original data ，the given data can be reduced greatly.In so doing，the speed of SVM training can be greatly improved and the satisfactory generalization performance can be obtained as well. Key words ：Support Vector Machine （SVM）；ART-SVM algorithm ；SOM-SVM algorithm ；cluster 针对支持向量机（ ， ）对大规模样本分类效率低下的问题，提出了基于自适应共振理论（ 摘 要： Support Vector Machine SVM Adaptive ， ）神经网络与自组织特征映射（ ， ）神经网络的 训练算法，分别称为 Resonance Theory ART Self-Organizing feature Map SOM SVM ART- SVM 算法与SOM-SVM 算法。这两种算法通过聚类压缩数据集，使SVM 训练的速度大大提高，同时可获得令人满意的泛化能力。 支持向量机； 算法； 算法；聚类 关键词：