發(fā)布時間：2018-09-09 14:58

【摘要】：隨著現(xiàn)實生活中數(shù)據(jù)集規(guī)模的不斷增大,設(shè)計有效的分類算法勢在必行。支持向量機(Support vector machine,SVM)是一種公認(rèn)的性能較好的分類算法,目前一些SVM算法是針對減少支持向量的數(shù)目來提高分類的效率。文章提出一種基于混合度的層次粒度支持向量機算法(Hierarchical Granular Support Vector Machine Algorithm based on Mixed,MHG-SVM),利用混合度對已有的層次粒度SVM分類算法進行了改進,該算法通過定義一個數(shù)據(jù)置信度和一個粒度參數(shù)挑選出重要的分類信息。從實驗結(jié)果可以看出,提出的算法在處理大規(guī)模數(shù)據(jù)集方面,保持了較高的分類精度,而且支持向量機的學(xué)習(xí)和分類速度也取得了大幅度提高。
[Abstract]:With the increasing scale of data sets in real life, it is imperative to design effective classification algorithms. Support vector machine (Support vector machine,SVM) is a recognized classification algorithm with good performance. At present, some SVM algorithms are aimed at reducing the number of support vectors to improve the classification efficiency. In this paper, a hierarchical granularity support vector machine (Hierarchical Granular Support Vector Machine Algorithm based on Mixed,MHG-SVM) algorithm based on mixing degree is proposed, and the existing hierarchical granularity SVM classification algorithm is improved by mixing degree. The algorithm selects important classification information by defining a data confidence degree and a granularity parameter. It can be seen from the experimental results that the proposed algorithm maintains high classification accuracy in dealing with large data sets, and the learning and classification speed of support vector machines have been greatly improved.
【作者單位】： 太原學(xué)院計算機工程系;山西大學(xué)計算機與信息技術(shù)學(xué)院;
【基金】：山西省自然科學(xué)基金(2015021096) 山西省高等學(xué)�？萍紕�(chuàng)新項目(2015110)
【分類號】：TP18

【相似文獻】

相關(guān)期刊論文 前10條

1 周自斌;;基于SVM算法的客戶誠信度評價模型的研究[J];合肥學(xué)院學(xué)報(自然科學(xué)版);2013年03期

2 王增才,張秀娟,張懷新,王志剛;自然γ射線方法檢測放頂煤開采中的煤矸混合度研究[J];傳感技術(shù)學(xué)報;2003年04期

3 司光宇;張興旺;萬慶英;李佳佳;;SVM算法在油質(zhì)量濃度檢測和光譜水質(zhì)分析中的應(yīng)用[J];大慶石油學(xué)院學(xué)報;2006年05期

4 陳蓮娜;姚伏天;;用于文本分類的多核SVM算法研究[J];計算機工程;2007年09期

5 劉國棟;;基于海量煤炭采集文本數(shù)據(jù)的可擴展SVM算法的研究與應(yīng)用[J];煤炭技術(shù);2013年05期

6 李書玲;劉蓉;張鎏欽;劉紅;;基于改進型SVM算法的語音情感識別[J];計算機應(yīng)用;2013年07期

7 許文杰;邢朝輝;李菲菲;;基于參數(shù)選擇優(yōu)化SVM算法的研究[J];山東交通學(xué)院學(xué)報;2010年02期

8 金翠云;崔瑤;王穎;;粒子群優(yōu)化的SVM算法在氣體分析中的應(yīng)用[J];電子測量與儀器學(xué)報;2012年07期

9 劉治國;;應(yīng)用SVM算法進行TM多光譜圖像地物分類[J];信息技術(shù);2007年05期

10 蔣強;柳洪義;郝建軍;唐毅鋒;;基于MIE和SVM算法的無級變速器故障診斷研究[J];機械傳動;2010年12期

相關(guān)博士學(xué)位論文 前1條

1 李陽;多核學(xué)習(xí)SVM算法研究及肺結(jié)節(jié)識別[D];吉林大學(xué);2014年

相關(guān)碩士學(xué)位論文 前1條

1 張巖;基于SVM算法的文本分類器的實現(xiàn)[D];電子科技大學(xué);2011年

，

本文編號：2232717