基于分类属性IG比的多分类SVM结构评价方法

• 作者: 庄立纯 张乃今 张正军 李君娣
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 二叉树 多分类 支持向量机 信息增益比 分类属性
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 人工智能与数据挖掘
• 页码范围: 719-726
• 页数: 8页
• 分类号: TP391
• 字数: 6337字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2019.04.020

摘要

基于二叉树结构组合的多分类SVM具有二分类SVM个数少的特点,避免了不可分、拒分区域的情形出现.针对基于二叉树结构的类别组合方法缺乏类别组合具体评价标准的问题,提出了基于分类属性信息增益IG比的多分类SVM结构评价方法,定义了基于分类属性的IG比,将多类划分成左、右两个类别组合,计算每种可能组合依赖于变量的分类属性IG比,以其最大值作为该组合优劣的衡量标准.使用UCI数据库的数据集对该方法进行实证分析,结果表明,评价指标值取最大值时,其对应类别组合构成的多分类SVM具有较高的识别率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张正军	南京理工大学理学院	33	477	7.0	21.0
2	庄立纯	南京理工大学理学院	2	0	0.0	0.0
3	张乃今	南京理工大学理学院	3	0	0.0	0.0
4	李君娣	南京理工大学理学院	2	0	0.0	0.0