一种改进的支持向量机E-SVM算法

• 作者: 周城 李兵兵 王停 王志中
• 来源期刊: 河北工业大学学报
• 学科: 工学
• 关键词: 支持向量机 信息熵 加权系数 噪声数据
• 年，卷（期）: 2012,（6）
• 页码范围: 10-15
• 页数: 6页
• 分类号: TP301|TP391
• 字数: 3638字
• 语种: 中文

摘要

在文本分类中,应用支持向量机(SVM)算法能使分类在小样本的条件下具有良好的泛化能力,但支持向量机的参数取值决定了其学习性能和泛化能力.为提高支持向量机算法的性能,提出了一种支持向量机优化算法E-SM,引入信息熵来表征惩罚系数C,提出了加权系数ψ,算法实现了SVM训练过程中参数的智能化,减少了对支持向量机参数选择的盲目性,减少了部分训练样本集数目,提高了SVM性能.实验表明,E-SVM算法较传统算法具有更好的分类精度和时间效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王志中	解放军重庆通信学院信息工程系	2	23	2.0	2.0
2	周城		2	23	2.0	2.0
3	李兵兵	空军工程大学防空反导学院	3	25	2.0	3.0