改进SVM分类算法中多重共线性问题研究

• 作者: 冼广铭 方群 曾碧卿 柯庆 肖应旺 齐德昱
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 支持向量机 因子分析 多重共线性
• 年，卷（期）: 2010,（26）
• 页码范围: 142-144
• 分类号: TP311
• 字数: 3271字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2010.26.044

摘要

提出了一种可以解决SVM分类算法中的多重共线性问题的因子分析方法.因子分析的核心是用较少的互相独立的因子反映原有变量的绝大部分信息,它既能大大减少参与数据建模的变量个数,简化支持向量机结构,减少支持向量机分类过程中的复杂度和运算量,同时不会改变样本的分布特性,保持样本的分类信息.实验结果表明,通过因子分析对样本数据的处理,使用3个因子代替7个原始变量,原始变量间的多重共线性问题得到了很好的解决.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	齐德昱		142	1102	15.0	27.0
2	曾碧卿	华南师范大学南海学院	51	304	9.0	15.0
3	肖应旺	华南师范大学南海学院	23	158	7.0	11.0
4	冼广铭		8	41	4.0	6.0
8	方群		2	4	1.0	2.0
9	柯庆		2	4	1.0	2.0