改进SVM分类算法中多重共线性问题研究

摘要：

提出了一种可以解决SVM分类算法中的多重共线性问题的因子分析方法.因子分析的核心是用较少的互相独立的因子反映原有变量的绝大部分信息,它既能大大减少参与数据建模的变量个数,简化支持向量机结构,减少支持向量机分类过程中的复杂度和运算量,同时不会改变样本的分布特性,保持样本的分类信息.实验结果表明,通过因子分析对样本数据的处理,使用3个因子代替7个原始变量,原始变量间的多重共线性问题得到了很好的解决.

关键词：支持向量机、因子分析、多重共线性

所属期刊栏目：46

分类号：TP311(计算技术、计算机技术)

资助基金：2008年度广东省自然科学基金资助面上项目8151063101000040;广东高校优秀青年创新人才培育项目No.粤财教2008342号;2009年度广东省自然科学基金9151063101000043

在线出版日期：2010-11-30（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：142-144