一种基于混合度的层次粒度SVM算法

• 作者: 程凤伟 郭虎升
• 来源期刊: 山西大学学报（自然科学版）
• 学科: 工学
• 关键词: 支持向量 分类精度 混合度 置信度 大规模数据集
• 年，卷（期）: 2017,（4）
• 所属期刊栏目: 计算机科学与技术
• 页码范围: 750-755
• 页数: 6页
• 分类号: TP301
• 字数: 3621字
• 语种: 中文
• DOI: 10.13451/j.cnki.shanxi.univ(nat.sci.).2017.04.010

摘要

随着现实生活中数据集规模的不断增大,设计有效的分类算法势在必行.支持向量机(Support vector machine,SVM)是一种公认的性能较好的分类算法,目前一些SVM算法是针对减少支持向量的数目来提高分类的效率.文章提出一种基于混合度的层次粒度支持向量机算法(Hierarchical Granular Support Vector Machine Algorithm based on Mixed,MHG-SVM),利用混合度对已有的层次粒度SVM分类算法进行了改进,该算法通过定义一个数据置信度和一个粒度参数挑选出重要的分类信息.从实验结果可以看出,提出的算法在处理大规模数据集方面,保持了较高的分类精度,而且支持向量机的学习和分类速度也取得了大幅度提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭虎升	山西大学计算机与信息技术学院	24	174	8.0	12.0
2	程凤伟	太原学院计算机工程系	11	13	3.0	3.0