基于关联关系分析的符号数据分类方法

• 作者: 付康安 王文剑 郭虎升
• 来源期刊: 南京大学学报（自然科学版）
• 学科: 地球科学
• 关键词: 符号属性数据 关联关系分析 支持向量机 分类方法
• 年，卷（期）: 2017,（4）
• 页码范围: 815-822
• 页数: 8页
• 分类号: P315.69
• 字数: 4071字
• 语种: 中文
• DOI: 10.13232/j.cnki.jnju.2017.04.025

摘要

由于符号属性数据缺乏固有的几何特性,不能简单地将现有的数值属性数据分类算法应用于符号属性数据.为了提高符号属性数据的性能,提出一种基于关联关系分析的支持向量机分类方法(Support Vector Machine Classification Approach Based on Correlation Analysis,CA_SVM).通过分析属性值与标签之间的相关性,得到属性值对标签的影响因子;然后结合属性值在类内出现的频率,使得所有原始符号数据下的属性值在不失信息的情况下转换成数值型数据;转换后的数据既可以体现属性值与标签之间的关联关系,也可以有效地表示相同属性下属性值之间的距离;最后用支持向量机(Support Vector Machine,SVM)进行分类.在标准UCI数据集上的实验结果表明,CA_SVM模型能够提高分类精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王文剑	山西大学计算机与信息技术学院	97	798	14.0	23.0
5	郭虎升	山西大学计算机与信息技术学院	24	174	8.0	12.0
6	付康安	山西大学计算机与信息技术学院	2	2	1.0	1.0