基于WEKA的序列最小化算法的改进研究

• 作者: 王朝辉 黎鑫
• 来源期刊: 工业控制计算机
• 学科: 工学
• 关键词: 数据挖掘 序列最小化算法 大规模数据集 挖掘效率 WEKA
• 年，卷（期）: 2012,（8）
• 所属期刊栏目: 软件与仿真
• 页码范围: 81-82,84
• 分类号: TP311.13
• 字数: 3045字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-182X.2012.08.038

摘要

数据挖掘算法中的支持向量机算法,在通过若干学者的改进研究后,有一种改进算法即序列最小化算法主要应用于小样本数据集的分类,且分类效果较好,但在训练大规模数据集时,用时长、所需存储空间大,挖掘效率低.针对这一缺陷,通过改变存储策略改进该算法,在WEKA这个软件平台下,在保证分类正确率的前提下,缩短了训练时间,缩减了大量的存储空间,大大地提高了算法的效率,使其更加适应大规模数据集的训练.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王朝辉	武汉科技大学计算机科学与技术学院	27	104	6.0	9.0
2	黎鑫	武汉科技大学计算机科学与技术学院	1	4	1.0	1.0