基于分段贪婪的SVM训练算法研究

针对硬间隔支持向量机(HM-SVMs)存在过拟合的风险,软间隔支持向量机存在着高计算成本的负担,本文首先介绍了一种新的SVMs迭代训练算法——分段贪婪算法(GS-SVMs)。该方法不需要引入正则化参数,就能处理HM-SVMs的过拟合问题,进而提高了训练速度。然后运用样本缩减策略进一步改进GS-SVMs,得到新算法NGS-SVMs。实验结果证明,该方法具有一定的可行性和有效性,特别适用于大样本数据。