一种基于关联规则的核粒度支持向量机

• 作者: 张文浩 王文剑
• 来源期刊: 广西师范大学学报（自然科学版）
• 学科: 工学
• 关键词: 核粒度支持向量机 支持向量机 核粒度 关联规则
• 年，卷（期）: 2009,（3）
• 页码范围: 89-92
• 页数: 4页
• 分类号: TP181
• 字数: 2827字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-6600.2009.03.021

摘要

提出一种基于关联规则的核粒度支持向量机(association rules based kernel granular SVM,AR-KGSVM)学习算法.AR-KGSVM首先将输入空间中的样本用核函数映射到高维特征空间,然后在核特征空间挖掘基于距离度量的关联规则以划分粒.算法的粒划分和数据训练都是在高维核空间中进行,避免了一般的粒度支持向量(granular SVM,GSVM)在低维空间作粒划分而在高维空间中训练,使数据分布不一致而导致泛化能力不高的问题.在标准数据集上的实验结果表明AR-KGSVM的泛化能力优于传统的SVM和GSVM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	王文剑	山西大学计算机与信息技术学院计算智能与中文信息处理教育部重点实验室	97	798	14.0	23.0
2	张文浩	山西大学计算机与信息技术学院计算智能与中文信息处理教育部重点实验室	2	14	2.0	2.0