基于支持向量机的决策系统知识发现

• 作者: 张文修 祁建军 魏玲
• 来源期刊: 西安交通大学学报
• 关键词: 决策系统 支持向量机 知识发现 属性约简 规则获取 类别预报
• 年，卷（期）: 2003,（10）
• 页码范围: 995-998
• 页数: 4页
• 分类号: TP18
• 语种: 中文
• DOI: 10.3321/j.issn:0253-987X.2003.10.002

摘要

从规则获取和类别预报两方面研究支持向量机(SVM)方法在决策系统知识发现中的应用. 对于规则获取, 用SVM对决策系统进行条件属性约简并提取特征对象, 进而基于较少的特征对象提取规则, 使得规则获取的难度和速度都有所改善; 对于类别预报, 利用SVM对决策系统的对象进行分类, 得到一个简单的判决函数. 该判决函数可以完成对样本的类别预报, 起到与决策规则类似的作用, 而且此方法比传统方法简单易行. 实验表明, 将SVM方法用于决策系统的知识发现, 不仅简便可行, 而且可以提高速度. 对于较大的决策系统更能体现出该方法的优越性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	魏玲	西安交通大学理学院	9	384	6.0	9.0
2	祁建军	西安交通大学电子与信息工程学院	11	351	5.0	11.0
3	张文修	西安交通大学理学院	118	2766	28.0	50.0