基于密度聚类的支持向量机分类算法

摘要：

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.

关键词：支持向量机、密度聚类、ε-邻域

所属期刊栏目：39

分类号：TP301.6(计算技术、计算机技术)

资助基金：中国科学院资助项目60173066

在线出版日期：2006-01-05（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：1319-1322,1348