支持向量机算法求解会涉及矩阵的存储与运算,因此算法的时空复杂度较大,这些不足之处限制了支持向量机的应用。为提高支持向量机的训练速度,缩短训练时间,提出一种样本约简方法。该方法通过两次样本约简,剔除掉大部分非边界样本,保留少数且有效的样本作为训练集。然后,采取KNN算法去除约简后训练集中的孤立点和噪音点。最后,对UCI标准数据集中的Breast-Cancers数据进行实验,支持向量减少了25个,训练时间减少了7 ms,而准确率却得到了提高。实验结果表明,在保证预测精确度的前提下,该算法能够有效进行
