基于密度聚类的支持向量机分类算法

被引：11

作者：

武方方

赵银亮

蒋泽飞

机构：

[1] 西安交通大学新型计算机研究所

来源：

西安交通大学学报 | 2005年 / 12期

关键词：

支持向量机; 密度聚类; ε-邻域;

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.

引用

页码：1319 / 1322+1348 +1348

页数：5