基于正交投影的降维分类方法研究

• 作者: 卢东略 张巍 滕少华 霍颖翔
• 来源期刊: 广东工业大学学报
• 学科: 工学
• 关键词: 数据挖掘 分类 正交投影 降维
• 年，卷（期）: 2017,（3）
• 页码范围: 1-7
• 页数: 7页
• 分类号: TP391
• 字数: 4151字
• 语种: 中文
• DOI: 10.12052/gdutxb.170008

摘要

大数据时代要求数据挖掘算法能高效处理海量数据,针对传统分类算法建模时间长、分类耗时久、算法难以理解等问题,提出一种基于正交投影的降维分类方法,通过投影方式将多维分类问题转化为多个二维投影面组合问题,建立投影面的密度模型进行分类.相比于常用的支持向量机(Support Vector Machine,SVM)、逻辑回归(Logistic Regression,LR)、k最近邻(K-Nearest Neighbor,KNN)等分类算法,基于正交投影降维的分类方法能够在不丢失分类准确度的同时,拥有较高的模型训练效率与分类效率.其算法易于实现,可用于实时性要求较高的应用场合,如入侵检测,交通调度等.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	滕少华	广东工业大学计算机学院	121	825	15.0	20.0
2	张巍	广东工业大学计算机学院	62	412	11.0	15.0
3	卢东略	广东工业大学计算机学院	1	8	1.0	1.0
4	霍颖翔	广东工业大学计算机学院	7	35	4.0	5.0