改进二叉树Entropy-SVM算法的芒果分类检测

摘要：

提出一种二叉树Entropy-SVM的改进算法,并将其引入芒果分类检测系统.针对传统SVM在多类分类方式及类区分性度量上的不足,首先对样本系统中任意二类问题,把相同的特征属性值信息熵作为样本类别归属的影响因子,然后把样本的平均属性值信息熵定义为二类间的区分因子,由该定义计算二类间的区分度来得到样本系统中每一类的平均区分度.最后把平均区分度的高低作为二叉树SVM多类分类策略的依据,度值越高的类,越早分离.芒果分类检测试验表明,改进的二叉树Entropy-SVM分类检测的准确率明显高于传统SVM多类分类算法.

关键词：属性值信息熵、区分度、二叉树SVM、芒果分类

所属期刊栏目：31

分类号：TP301.6(计算技术、计算机技术)

资助基金：茂名学院基金

在线出版日期：2011-08-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：52-56