二分类数据的分类结果可视化算法

• 作者: 李群湛 王晓红 王晓茹
• 来源期刊: 西南交通大学学报
• 学科: 工学
• 关键词: 支持向量机 自组织神经网络 可视化 算法 支持向量可视化 二分类数据
• 年，卷（期）: 2006,（3）
• 页码范围: 329-334
• 页数: 6页
• 分类号: TP274
• 字数: 5291字
• 语种: 中文
• DOI: 10.3969/j.issn.0258-2724.2006.03.013

摘要

针对在某些应用领域对二分类数据分类结果可视化的需求,以及现有无监督可视化算法无法提供分类结果的相关信息的问题,提出了二分类数据分类结果可视化算法--支持向量可视化(SVV).该算法是在无监督的自组织神经网络(SOM)的可视化功能的基础上,结合监督学习的支持向量机(SVM)的二分类算法,得到能够直观地显示高维数据、二分类数据分类边界以及数据与分类边界距离的二维映射图,提高了分类结果的可解释性.以SOM可视化算法以及Sammon算法为参照,用2组可分性不同的样本集进行仿真分析,验证了该算法的有效性和可行性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李群湛	西南交通大学电气工程学院	286	5020	37.0	56.0
2	王晓茹	西南交通大学电气工程学院	148	2979	30.0	46.0
3	王晓红	西南交通大学电气工程学院	6	61	5.0	6.0