改进 SVM算法的电商行业竞争对手识别

• 作者: 孙瑞丽 李石君 陈盛双
• 来源期刊: 河南科技大学学报（自然科学版）
• 学科: 工学
• 关键词: 支持向量机 修正核函数 竞争对手识别
• 年，卷（期）: 2016,（1）
• 所属期刊栏目: 电工电信、自动化与计算机
• 页码范围: 46-50
• 页数: 5页
• 分类号: TP391
• 字数: 3036字
• 语种: 中文
• DOI: 10.15926/j.cnki.issn1672-6871.2016.01.010

摘要

针对电商行业竞争对手识别准确率偏低的问题，提出了一种改进的支持向量机（SVM）算法来优化识别过程。该算法基于 Mercer 定理融合间隔因素逐步修正核函数，以提高分类器的泛化能力。以 ebay 平台接口抽取的 Lising 数据为研究对象，在满足 Mercer 定理的前提下对核函数进行保形变换；然后，结合核函数的黎曼几何分析，融合间隔因素改进核函数以构成新的分类器；最后，利用参数寻优算法确定实例中的参数模型并进行测试。与余弦向量相似度算法及 SVM算法的实验结果相比，本文提出的方法识别竞争对手的准确度分别提高了10．2％和3．8％。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈盛双	武汉理工大学理学院	39	180	8.0	11.0
2	李石君	武汉大学计算机学院	88	753	16.0	22.0
3	孙瑞丽	武汉理工大学理学院	2	6	1.0	2.0