基于GA和KNN的SVM决策树分类方法研究

• 作者: 陈东莉
• 来源期刊: 计算机与数字工程
• 学科: 工学
• 关键词: 遗传算法 K近邻 SVM决策树
• 年，卷（期）: 2012,（3）
• 所属期刊栏目: 算法与分析
• 页码范围: 21-23
• 分类号: TP301
• 字数: 3159字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9722.2012.03.008

摘要

文章提出了一种基于遗传算法和K近邻的SVM决策树方法,并将其应用于解决SVM多分类问题.算法以基于类分布的类间分离性测度为准则,利用遗传算法对传统的SVM决策树进行优化,生成最优(较优)决策树.在分类阶段,对容易分的节点利用SVM进行分类,而对可分离性差的节点采用SVM和K近邻相结合的分类方法,最终实现多类别分类.实验结果表明,与传统的分类方法相比,该算法的实验效果较好,是一种有效的分类方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈东莉	中国石油抚顺石化公司石油二厂科技信息部	7	41	3.0	6.0