SVM-KNN分类算法研究

• 作者: 余小陆 张盛意 赵玲 陈磊琛
• 来源期刊: 计算机与数字工程
• 学科: 工学
• 关键词: 支持向量机 K近邻 样本相似性
• 年，卷（期）: 2010,（6）
• 所属期刊栏目: 算法与分析
• 页码范围: 29-31,134
• 分类号: TP301.6
• 字数: 2904字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9722.2010.06.009

摘要

SVM-KNN分类算法是一种将支持向量机(SVM)分类和最近邻(NN)分类相结合的新分类方法.针对传统SVM分类器中存在的问题,该算法通过支持向量机的序列最小优化(SMO)训练算法对数据集进行训练,将距离差小于给定阈值的样本代入以每类所有的支持向量作为代表点的K近邻分类器中进行分类.在UCI数据集上的实验结果表明,该分类器的分类准确率比单纯使用SVM分类器要高,它在一定程度上不受核函数参数选择的影响,具有较好的稳健性.