基于分层聚类及重采样的大规模数据分类

• 作者: 张永 张玉婷 浮盼盼
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 海量数据 分类 聚类 重采样 支持向量机
• 年，卷（期）: 2013,（10）
• 所属期刊栏目: 人工智能
• 页码范围: 2801-2803
• 页数: 3页
• 分类号: TP181
• 字数: 3578字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2013.10.2801

摘要

针对大规模数据的分类问题,将监督学习与无监督学习结合起来,提出了一种基于分层聚类和重采样技术的支持向量机(SVM)分类方法.该方法首先利用无监督学习算法中的k-means聚类分析技术将数据集划分成不同的子集,然后对各个子集进行逐类聚类,分别选出各类中心邻域内的样本点,构成最终的训练集,最后利用支持向量机对所选择的最具代表样本点进行训练建模.实验表明,所提方法可以大幅度降低支持向量机的学习代价,其分类精度比随机欠采样更优,而且可以达到采用完整数据集训练所得的结果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张永	辽宁师范大学计算机与信息技术学院	48	408	12.0	17.0
2	张玉婷	辽宁师范大学计算机与信息技术学院	12	31	3.0	5.0
3	浮盼盼	辽宁师范大学计算机与信息技术学院	1	11	1.0	1.0