） 摘要： 粒度支持向量机( Granular Support Vector Machine,GSVM) 是以粒度计算理论和统计学习理论为基础的一种新的机器学习模型,它可以有效地克服传统支持向量机(Support Vector Machine,SVM)在处理大规模数据集时训练效率低下的问题,同时也可获得较好的泛化性能
粒度支持向量机在解决分类的问题上虽取得一定的成果,但它仅限于处理一些密度均匀的数据集,而现实生活中数据集的密度是不可预测的,往往是密度不均匀的,为了解决数据集密度分布不均匀这一实际应用的问题,本文提出了层次粒度支持向量机（Hierarchy Granular Support Vector Machine,HGSVM）学习算法
郭虎升
一种处理密度分布不均匀数据集的粒度SVM算法[EB/OL]
北京：中国科技论文在线
Guo Husheng 3, （ 1、 ShanXi university ,Computer and information technology college, Taiyuan, 030006
根据粒密度和粒到超平面的距离建立训练集,通过层层筛选与训练,计算出最优超平面
HGSVM算法与以往的传统支持向量机和粒度支持向量机相比,在处理密度分布不均匀的数据集时,准确率有了很大的提高
Taiyuan 030006
密度不均匀数据集
3、 Shanxi university computer information and technology college
数据挖掘机器学习 【收录情况】 中国科技论文在线： 程凤伟
机器学习 通信联系人： 王文剑（1968）
