一种基于关联规则的核粒度支持向量机

被引：5

作者：

张文浩

王文剑

机构：

[1] 山西大学计算机与信息技术学院计算智能与中文信息处理教育部重点实验室

来源：

广西师范大学学报(自然科学版) | 2009年 / 27卷 / 03期

关键词：

核粒度支持向量机; 支持向量机; 核粒度; 关联规则;

D O I：

10.16088/j.issn.1001-6600.2009.03.045

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

提出一种基于关联规则的核粒度支持向量机(association rules based kernel granular SVM,AR-KGSVM)学习算法。AR-KGSVM首先将输入空间中的样本用核函数映射到高维特征空间,然后在核特征空间挖掘基于距离度量的关联规则以划分粒。算法的粒划分和数据训练都是在高维核空间中进行,避免了一般的粒度支持向量机(granular SVM,GSVM)在低维空间作粒划分而在高维空间中训练,使数据分布不一致而导致泛化能力不高的问题。在标准数据集上的实验结果表明AR-KGSVM的泛化能力优于传统的SVM和GSVM方法。

引用

页码：89 / 92

页数：4

共 5 条

[1] 基于依存关系与支持向量机的中文问题分类方法 [J].

林旭东 ;

孙爱东 ;

林丕源 ;

刘汉兴 .

郑州大学学报(理学版), 2009, 41 (01) :64-68

[2] 基于相似方向的二叉树支持向量机多类分类算法 [J].

汪洋 ;

陈友利 ;

刘军 ;

莫智文 ;

王甲锋 .

四川师范大学学报(自然科学版), 2008, (06) :762-765

[3]

模式识别[M]. 清华大学出版社 , 边肇祺等编著, 2000

[4]

Translated data ming:conception and technology .2 Han Jia-wei,Kamber M,Fan Ming,Meng Xiao-feng,et al. China Machine Press . 2001

[5]

CPAR:classification based on predictive association rules .2 YIN Xiao-xin,HAN Jia-wei. Proceedings of the SIAMInternational Conference on Data Mining . 2003

← 1 →