10.3321/j.issn:0253-987X.2005.12.008
基于密度聚类的支持向量机分类算法
为了解决支持向量机的分类仅应用于较小样本集的问题,提出了一种密度聚类与支持向量机相结合的分类算法.在密度聚类中,当一个样本点不存在拟密度可达的样本点,则其显著特征即表现为该簇的边缘点,将该点加入约简集合,直至选出样本集合中的所有边缘对象,然后再利用约简集合寻找支持向量.实验表明,采用该算法,分类的准确率可从基于无监督聚类的支持向量机算法的86.81%提升至95.43%,核函数计算量由原数量级109下降到106以下,采取限制密度聚类中的核心点ε-邻域内的反例百分比的方法,可以增加约简样本的个数,可将分类准确率提高5%~8%左右.
支持向量机、密度聚类、ε-邻域
39
TP301.6(计算技术、计算机技术)
中国科学院资助项目60173066
2006-01-05(万方平台首次上网日期,不代表论文的发表时间)
共5页
1319-1322,1348