基于粗集理论和SVM算法的模式分类方法

被引：12

作者：

范劲松

方廷健

机构：

[1] 中国科学技术大学电子工程系

[2] 中国科学院合肥智能机械研究所

来源：

模式识别与人工智能 | 2000年 / 13卷 / 04期

关键词：

模式分类; Rough Set理论; SVM算法; 最小属性子集;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

本文提出一种将粗集方法与SVM算法结合起来的模式分类方法。利用粗集理论在处理大数据量、消除冗余信息等方面优势,减少SVM训练数据,克服SVM算法因为数据量太大,处理速度慢等缺点;同时,借助SVM良好的分类性能,对粗集约简后的最小属性子集进行分类,实现模式分类算法的快速性能、高识别率和抗干扰性强等优点。本文以手写体汉字的识别为例,说明本算法的实用性。

引用

页码：419 / 423

页数：5