支持向量机分类算法研究

• 作者: 周宽久 张世荣
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 支持向量机 核空间 文本分类
• 年，卷（期）: 2009,（1）
• 所属期刊栏目: 数据库、信号与信息处理
• 页码范围: 159-162,182
• 页数: 5页
• 分类号: TP391
• 字数: 6191字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2009.01.050

摘要

支持向量机在处理两类分类问题时,当两类样本混杂严重时会降低分类精度.在NN-SVM分类算法的基础上,通过计算样本点与其最近邻点类别的异同以及该点与其k个同类近邻点在核空间的平均距离修剪混淆点,进而提出了一种改进的NN-SVM算法--KCNN-SVM.实验数据表明,KCNN-SVM算法与SVM以及NN-SVM相比,有着更高的分类精度和更快的训练、分类时间.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周宽久	大连理工大学软件学院	56	434	12.0	19.0
2	张世荣	大连理工大学软件学院	2	42	2.0	2.0