基于支持向量机的模糊特征分类算法研究

被引：10

作者：

安旭

张树东

机构：

[1] 首都师范大学信息工程学院

来源：

计算机工程 | 2017年 / 43卷 / 01期

关键词：

支持向量机; 余弦向量; 分类器; 模糊特征; 预测模型;

D O I：

暂无

中图分类号：

TP391.4 [模式识别与装置]; TP18 [人工智能理论];

学科分类号：

0811 ; 081101 ; 081104 ; 1405 ; 0812 ; 0835 ;

摘要：

为解决设备使用预测的问题,给出支持向量机(SVM)的改进算法及基于距离的模式识别算法。使用训练数据得到SVM的最优分类超平面,运用确认数据的特征集作为分类标准预测分类结果,将分类结果与概率相结合作为模式识别算法的输入,算法输出为某个固定模式。实验结果表明,与传统算法相比,以改进的SVM分类结果为输入的模式识别算法准确性更高,可广泛应用在二值输入的模式识别算法中。

引用

页码：237 / 240+246 +246

页数：5

共 15 条

[1]

基于属性加权和归约的朴素贝叶斯算法研究.[D].杨忠强.广西大学.2013, 03

[2]

Business health characterization: A hybrid regression and support vector machine analysis.[J].Rudrajeet Pal;Karel Kupka;Arun P. Aneja;Jiri Militky.Expert Systems With Applications.2016,

[3]

Hierarchical distance learning by stacking nearest neighbor classifiers.[J].Mete Ozay;Fatos Tunay Yarman-Vural.Information Fusion.2016,

[4] 基于稀疏表示的两级级联快速行人检测算法 [J].