SVM样本约简算法研究综述

作者：张代俐; 汪廷华^*; 朱兴淋

来源：计算机科学, 2023, 1-17.

• 支持向量机
• 大规模数据集
• 样本约简
• 机器学习
• 分类

支持向量机（Support Vector Machine，SVM）是基于统计学习理论和结构风险最小化原则发展起来的一种有监督的机器学习算法，有效克服了局部最小和维数灾难等问题，具有良好的泛化性能，并广泛应用于模式识别和人工智能领域。但SVM的学习效率随着训练样本数量的增加而显著降低，对于大规模训练集情况，采用标准优化方法的传统SVM面临着内存需求过大、执行速度慢，有时甚至无法执行的问题。为了缓解SVM在大规模训练集上存储需求高、训练时间长等问题，学者们提出了SVM样本约简算法。本文首先介绍了SVM理论基础，然后从基于聚类、几何分析、主动学习、增量学习和随机抽样五个方面系统综述了SVM样本约简算法的研究现状，讨论了各种SVM样本约简算法的优缺点，最后对SVM样本约简算法未来的研究提出了展望。

• 单位
  赣南师范大学