基于决策树的快速SVM分类方法

被引：11

作者：

崔建 ^{[1
]}

李强 ^{[1
]}

刘勇 ^{[2
]}

宗大伟 ^{[3
]}

机构：

[1] 空军雷达学院预警监视情报系

[2] 空军驻京津地区代表室

[3] 华中数控股份有限公司

来源：

系统工程与电子技术 | 2011年 / 33卷 / 11期

关键词：

支持向量机; 快速分类; 决策树; 大规模数据;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

为提高支持向量机(support vector machine,SVM)算法对大规模数据的适应能力,加快SVM算法的分类速度,提出一种基于决策树的快速SVM分类方法。该方法的重点在于构建一棵决策树,将大规模问题分解为相对简单的子问题,树中节点由线性支持向量机组成,每个节点包含一个决策超平面,分类过程取决于节点的数量。此方法在分类复杂样本时避免了使用非线性核函数。并且由于使用线性核函数,则不用进行模型选择,进一步加快了样本的分类速度。实验表明,针对大规模多特征数据的非线性分类问题,该方法比传统方法具有更高的速度。

引用

页码：2558 / 2563

页数：6

共 4 条

[1] 支持向量机处理大规模问题算法综述 [J].