基于KNN算法的改进的一对多SVM多分类器

• 作者: 刘雨康 张正阳 陈琳琳 陈静
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 支持向量机(SVM) 一对多 K近邻(KNN) 数据偏斜
• 年，卷（期）: 2015,（24）
• 所属期刊栏目: 数据库、数据挖掘、机器学习
• 页码范围: 126-131
• 页数: 6页
• 分类号: TP18
• 字数: 7096字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1311-0448

摘要

针对传统支持向量机(SVM)多分类一对多算法存在的运算量大、耗时长、数据偏斜以及对最优超平面附近点分类易出错问题,提出了一种改进方法.将数据空间分为密集区和稀疏区,各类中密集点归于密集区,其余归于稀疏区.将每类中密集点连同它附近的点用于训练得到相应的SVM分类器.在测试阶段,对密集区的待测样本用传统的一对多判别准则来做类别预测;对稀疏区的待测样本则采用K近邻(KNN)算法.数值实验结果表明,改进的算法在耗时和分类精度上都优于原算法,对解决一对多算法存在的问题有较好的成效.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈静	中国农业大学理学院	68	567	14.0	22.0
2	张正阳	中国农业大学理学院	4	20	2.0	4.0
3	刘雨康	中国农业大学理学院	1	18	1.0	1.0
4	陈琳琳	中国农业大学理学院	3	30	3.0	3.0