样本属性重要度的支持向量机方法

• 作者: 廖年冬 汪廷华 田盛丰 黄厚宽
• 来源期刊: 北京交通大学学报（自然科学版）
• 学科: 工学
• 关键词: 支持向量机(SVM) 属性重要度 信息增益 机器学习
• 年，卷（期）: 2007,（5）
• 所属期刊栏目: 计算机与信息技术
• 页码范围: 87-90
• 页数: 4页
• 分类号: TP181
• 字数: 3470字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-0291.2007.05.020

摘要

支持向量机(SVM)是一种新的机器学习方法,已经广泛应用于模式识别和函数估计等问题中.针对现有的加权支持向量机(WSVM)和模糊支持向量机(FSVM)只考虑样本重要性而没有考虑属性重要性对分类结果的影响的缺陷,提出了基于样本属性重要度的支持向量机方法,该方法首先利用信息论中的信息增益技术计算各个样本特征属性对分类属性的重要度,然后对所有样本的同一特征属性的值分别用对应的属性重要度进行加权,最后所得数据集用于训练和测试SVM.数值实验的结果表明,该方法提高了分类器的分类精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄厚宽	北京交通大学计算机与信息技术学院	139	2476	26.0	44.0
2	田盛丰	北京交通大学计算机与信息技术学院	34	652	13.0	25.0
3	汪廷华	北京交通大学计算机与信息技术学院	2	121	2.0	2.0
4	廖年冬	北京交通大学计算机与信息技术学院	2	28	2.0	2.0