论文部分内容阅读
支持向量机在懈决小样本、非线性及高维模式识别问题中具有许多特有的优势，但支持向量的选择过程复杂。该文利用聚类技术的特殊性能，提出基于搜索机制的密度聚类算法，该算法通过一种简单的搜索策略可将密度高于一定限度的对象聚为一类。将该算法用于支持向量的预选取，可减少训练样本数日，提高支持向量机的训练速度。从仿真实验可以看出，通过基于搜索机制密度聚类的支持向量预选取，训练样本数目可减少2／3以上，线性可分的数据训练速度可加快12倍左右，非线性可分的数据训练速度可加快5倍左右。