基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为提高大数据集粗分类识别率,提出一种基于聚类分析的SVM-Kd-tree树型粗分类方法.首先根据数据集特征分布进行k-means两簇聚类,对聚类后的数据集进行类别分析,同时将属于两簇的同一类别样本划分出来;然后使用两簇中剩余样本训练SVM二分类器并作为树型结构根节点,将两簇数据分别合并,将划分出来的样本作为左右子孩子迭代构建子节点,直到满足终止条件后,叶子节点开始训练Kd-tree.实验结果表明,迭代构建树型粗分类方法使训练单一SVM平均时间减少了61.9774%,比Kd-tree同近邻数量的准确率提高了0.03%.在进行大规模数据集粗分类时,使用聚类分析迭代构建组合分类器时间更短、准确率更高.
推荐文章
基于球结构的完全二叉树SVM多类分类算法
球结构
支持向量机
完全二叉树
多类分类
基于KD-树和K-means动态聚类方法研究
K-means聚类
KD-树
增量聚类
初始聚类中心
一种改进的SVM决策树及在遥感分类中的应用
遗传算法
K近邻
支持向量机决策树
遥感图像分类
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于SVM-Kd-tree的树型粗分类方法
来源期刊 软件导刊 学科 工学
关键词 SVM分类 Kd-tree 树型 组合分类器 K-means 聚类
年,卷(期) 2020,(4) 所属期刊栏目 计算机软件与理论
研究方向 页码范围 111-114
页数 4页 分类号 TP301
字数 3943字 语种 中文
DOI 10.11907/rjdk.191714
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 胡素黎 1 0 0.0 0.0
2 黄丰喜 1 0 0.0 0.0
3 刘晓英 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (17)
共引文献  (7)
参考文献  (9)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1973(1)
  • 参考文献(1)
  • 二级参考文献(0)
1975(1)
  • 参考文献(1)
  • 二级参考文献(0)
1995(1)
  • 参考文献(1)
  • 二级参考文献(0)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(1)
  • 参考文献(0)
  • 二级参考文献(1)
2012(2)
  • 参考文献(0)
  • 二级参考文献(2)
2014(4)
  • 参考文献(1)
  • 二级参考文献(3)
2015(2)
  • 参考文献(0)
  • 二级参考文献(2)
2017(2)
  • 参考文献(1)
  • 二级参考文献(1)
2018(2)
  • 参考文献(1)
  • 二级参考文献(1)
2019(2)
  • 参考文献(2)
  • 二级参考文献(0)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
SVM分类
Kd-tree
树型
组合分类器
K-means
聚类
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
软件导刊
月刊
1672-7800
42-1671/TP
16开
湖北省武汉市
38-431
2002
chi
出版文献量(篇)
9809
总下载数(次)
57
总被引数(次)
30383
论文1v1指导