基于ICA与聚类分析的支持向量机分类研究

摘要：

在ICA与聚类分析的基础上提出了一种改进的支持向量机分类模型--ICSVM模型.ICSVM模型中利用一种指标筛选算法与独立成分分析的方法将各数据指标转化为互相独立成分的数据指标.接着运用K-means方法对独立成分样本数据集进行聚类分析,再由获得的各子类中心数据构造初始的超平面,筛选出靠近初始超平面的支持类与亚支持类,并展开支持类与亚支持类中的样本数据点重新构造超平面,以便对数据进行分类.实验表明,对于样本比较多的数据集,与标准的SVM算法相比,ICSVM算法能够节约训练时间,同时能够提高分类的正确率.

关键词：支持向量机、独立成分分析、聚类分析、相关关系

所属期刊栏目：44

分类号：TP183(自动化基础理论)

资助基金：广东省科技公关计划B10101033;A10202001;广东省哲学社会科学规划项目06M03;华南农业大学校长基金4900-K06166

在线出版日期：2008-05-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：169-171