基于后验概率的SVM决策树多类分类算法

• 作者: 周彦 王冬丽 郑建国
• 来源期刊: 微型电脑应用
• 学科: 工学
• 关键词: 支持向量机 决策树 后验概率 多类分类
• 年，卷（期）: 2011,（3）
• 所属期刊栏目: 研究与设计
• 页码范围: 31-33
• 分类号: TP18
• 字数: 2588字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-757X.2011.03.011

摘要

后验概率支持向量机方法对孤立点和噪声具有鲁棒性,并且可以减少支持向量的数量,从而降低计算复杂度.因此,针对最近提出的快速分类算法c-BTS,引入样本的后验概率,提出了一种基于后验概率的SVM决策树算法P2BTS.实验结果证明,基于后验概率的支持向量机决策树P2BTS比c-BTS的分类精度更高,且所需的二类分类器个数减少,在一定程度上降低了P2BTS分类决策的时间和比较的次数,提高了分类效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王冬丽		1	2	1.0	1.0
2	郑建国		1	2	1.0	1.0