一种新的 SVM 决策树

• 作者: 刘秉瀚 孙昌儿
• 来源期刊: 福州大学学报（自然科学版）
• 学科: 工学
• 关键词: 支持向量机 SVM决策树 分类器
• 年，卷（期）: 2007,（3）
• 页码范围: 361-364
• 页数: 4页
• 分类号: TP391
• 字数: 2443字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-2243.2007.03.008

摘要

SVM在小训练样本、高维情况下具有很好的泛化性能,但它不适用于多类分类.本文分析基本的SVM和多类SVM分类器,重点讨论了SVM决策树,提出了一种结点分类器类集合划分方案来构造SVM决策树.实验结果表明,以这种方法构造的SVM决策树分类器分类性能较好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘秉瀚	福州大学数学与计算机科学学院	74	332	10.0	14.0
2	孙昌儿	福州大学数学与计算机科学学院	2	15	2.0	2.0