基于二分K-均值的SVM决策树自适应分类方法

• 作者: 张娇 裘国永
• 来源期刊: 计算机应用研究
• 关键词: 二分K-均值 支持向量机决策树 降维 自适应算法
• 年，卷（期）: 2012,（10）
• 所属期刊栏目: 算法研究讨论
• 页码范围: 3685-3687,3709
• 分类号: TP311.13
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2012.10.021

摘要

分析和研究了自适应降维算法在高维数据挖掘中的应用.针对已有数据挖掘算法因维灾难导致的在处理高维数据时准确率和聚类质量都较低的情况,将二分K-均值聚类和SVM决策树算法结合在一起,提出了一种适用于高维数据聚类的自适应方法BKM-SVMDT.该算法能保证二分K-均值聚类是在低维数据空间中进行,其结果再反过来帮助SVM在高维空间中的执行,这样反复执行以取得较好的分类精度和效率.标准数据集的实验结果证明了该方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	裘国永	陕西师范大学计算机科学学院	54	333	10.0	15.0
2	张娇	陕西师范大学计算机科学学院	13	17	2.0	4.0