聚类分片双支持向量域分类器

• 作者: 吴德 梁锦锦
• 来源期刊: 控制与决策
• 学科: 工学
• 关键词: 支持向量域分类 分段识别 聚类 密度指标 双支持向量域分类器 变尺度距离
• 年，卷（期）: 2015,（7）
• 所属期刊栏目: 短文
• 页码范围: 1298-1302
• 页数: 5页
• 分类号: TP301
• 语种: 中文
• DOI: 10.13195/j.kzyjc.2014.0815

摘要

针对支持向量域分类器对大规模样本集的训练时间长且占用内存大的问题，构造聚类分片双支持向量域分类器。以均值聚类剖分原始空间，并选取密度指标大的样本作为初始聚类中心；对子空间构造双支持向量域分类器，根据样本与正负类最小包围超球的距离构造分段决策函数；定义样本的变尺度距离，以链接规则组合子空间的分类结果。数值实验表明，所提出算法的分类精度高且受参数变化的影响不大，分类时间短且随子空间数的增加而降低。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	梁锦锦	西安石油大学理学院	8	28	2.0	5.0
2	吴德	西安电子科技大学计算机学院	12	82	6.0	9.0