基于改进SVM与辅助信息的数据分类研究

• 作者: 杨琳 王艳洁 金桦
• 来源期刊: 电视技术
• 学科: 工学
• 关键词: 数据分类 支持向量机 辅助信息 关联集 分类器
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 采集与制作
• 页码范围: 66-68,115
• 页数: 4页
• 分类号: TP301
• 字数: 3842字
• 语种: 中文
• DOI: 10.16280/j.videoe.2019.02.015

摘要

数据分类的有效性和准确性很大程度上决定了数据的应用价值,针对如何提高大量数据分类效率和准确率,本文提出一种基于改进支持向量机(SVM)与辅助信息的数据分类方法.该方法首先通过样本的剪枝改进了SVM算法,然后在算法分类器中引入数据点间的辅助信息,并通过关联集设置辅助信息的权重从而生成数据分类器.仿真实验表明,所提方法可以有效地对数据进行准确分类并具有较高的时效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨琳		9	11	2.0	3.0
2	王艳洁		6	4	2.0	2.0
3	金桦	北京大学政府管理学院	1	2	1.0	1.0