改进的决策树支持向量机地下水水质评价

• 作者: 滕彦国 王金生 陈海洋
• 来源期刊: 计算机应用
• 学科: 地球科学
• 关键词: 支持向量机 决策树支持向量机 地下水 水质评价
• 年，卷（期）: 2011,（3）
• 所属期刊栏目: 典型应用
• 页码范围: 848-850,855
• 分类号: P641.2|TP18
• 字数: 4592字
• 语种: 中文
• DOI: 10.3724/SP.J.1087.2011.00848

摘要

基于结构风险最小原理的支持向量机(SVM)具有较强的学习泛化能力和良好的分类性能,能用来解决少样本学习的二类模式识别问题.针对具备多级类别的地下水水质评价问题,可以采用决策树SVM分类方法,通过对多类别水质标准的重新组合以构建类似于决策树的多个子分类器来实现.但基于决策树SVM分类过程中常常会出现由于正负类训练样本数据不均一导致的局部识别误差.基于二叉树原理提出了一种改进决策树SVM模型,通过加密数据插值和二又分类有效避免正负类训练样本数据不均一的问题,针对地下水水质评价特点,增加了第5个子分类器以精确识别Ⅱ类水质和Ⅲ类水质.实验结果表明,改进的决策树SVM分类模型评价结果稳定.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王金生	北京师范大学水科学研究院	204	3135	29.0	43.0
2	滕彦国	北京师范大学水科学研究院	154	2574	26.0	43.0
3	陈海洋	北京师范大学水科学研究院	25	204	8.0	13.0