基于mRMR与因子分解机的分类模型研究

• 作者: 杜庆治 王美 邵玉斌 龙华
• 来源期刊: 四川大学学报（自然科学版）
• 学科: 工学
• 关键词: 最小冗余最大相关 GTD 因子分解机 马修斯相关系数 TFM分类模型
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 电子信息科学
• 页码范围: 96-102
• 页数: 7页
• 分类号: TP391
• 字数: 5502字
• 语种: 中文
• DOI: 10.3969/j.issn.0490-6756.2020.01.013

摘要

很多学者用"全球恐怖主义研究数据库"GTD数据集,采用博弈论、K近邻法和支持向量机等分析恐怖事件的聚集性,已经取得一些成果.但在前期研究中未有很好考虑数据的稀疏性以及高维度多冗余等会导致聚集分类准确率不高的问题.本文提出一种基于最小冗余最大相关与因子分解机结合的T FM 分类模型,使用增量搜索方法寻找近似最优的特征解决高维度多冗余问题和FM 方法解决数据稀疏问题,并对预处理后的恐怖袭击事件数据用 T FM模型做量化分类.文中使用朴素贝叶斯NB 、支持向量机SVM 、逻辑回归LR与TFM 等4个模型的"马修斯相关系数" M CC进行比较,结果显示 T FM 的 M CC相对于其他三个模型 NB 、SVM 、LR分别提高了49.9％,2.5％,2.3％,可见T FM 模型有一定可行性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	龙华	昆明理工大学信息工程与自动化学院	132	376	9.0	13.0
2	邵玉斌	昆明理工大学信息工程与自动化学院	114	279	8.0	11.0
3	杜庆治	昆明理工大学信息工程与自动化学院	64	103	4.0	6.0
4	王美	昆明理工大学信息工程与自动化学院	5	0	0.0	0.0