一种新的分类方法——属性均值聚类属性支持向量机(AMC-ASVM)

• 作者: 孙喜晨 封举富 贺仁亚
• 来源期刊: 北京大学学报（自然科学版）
• 学科: 工学
• 关键词: 模式识别 属性均值聚类 支持向量机 基因表达数据
• 年，卷（期）: 2007,（1）
• 所属期刊栏目: 研究论文
• 页码范围: 82-84
• 页数: 3页
• 分类号: TP3
• 字数: 1715字
• 语种: 中文
• DOI: 10.3321/j.issn:0479-8023.2007.01.014

摘要

在属性均值聚类(AMC)与支持向量机(SVM)的基础上,提出了一个新的模式分类算法--基于(属性)聚类的属性支持向量机算法(AMC-ASVM).主要思想是利用属性均值聚类网络得到的具有概率信息(权重)的样本,来训练属性支持向量机,从而得到分类器.这种方法结合了属性聚类的稳定性与属性支持向量机可以利用加权样本的优点,适合处理具有强噪声的数据.另外,该方法也可以看作是堆近邻分类法的自然推广.在实验部分,将其用于结肠癌基因表达数据的处理.实验结果显示了AMC-ASVM在一定程度上优于最近邻,Boosting,堆近邻,SVM等方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙喜晨	北京大学视觉与听觉信息处理国家重点实验室	9	39	5.0	6.0
2	封举富	北京大学视觉与听觉信息处理国家重点实验室	24	360	9.0	18.0
3	贺仁亚	北京大学数学科学学院信息科学系	4	69	4.0	4.0