基于邻域粗糙集的支持向量机分类方法研究

• 作者: 任恩恩 党建武 韩虎
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 支持向量机 邻域粗糙集 预处理 属性约简
• 年，卷（期）: 2010,（2）
• 所属期刊栏目: 人工智能
• 页码范围: 229-231,285
• 页数: 4页
• 分类号: TP3
• 字数: 3600字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-137X.2010.02.057

摘要

针对支持向量机方法对高维大规模数据无法直接处理和对异常样本敏感的问题,提出了一种基于邻域粗糙集模型的改进支持向量机.该算法从两个方面对训练样本集进行预处理:一方面利用邻域粗糙集模型中对象邻域的上、下近似,寻找两种类别的交界部分,从而减小问题规模;然后通过对交界部分样本进行混淆度分析,剔除那些混杂在另一类样本中的异常样本或噪声数据.另一方面利用属性重要性度量对样本集进行属性约简与属性加权处理.基于合成数据集与标准数据集的有关实验证实了该算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	任恩恩	兰州交通大学电子与信息工程学院	47	320	9.0	15.0
2	党建武	兰州交通大学电子与信息工程学院	205	1363	18.0	23.0
3	韩虎	兰州交通大学数理与软件学院	23	128	6.0	10.0