一种新的海量数据分类方法

被引：8

作者：

任力安

何清

史忠植

机构：

[1] 中国科技大学研究生院计算机学部

[2] 中科院计算技术研究所智能信息处理重点实验室

来源：

计算机工程与应用 | 2002年 / 14期

基金：

北京市自然科学基金;

关键词：

支持向量机; 分类超曲面; Jordan曲线定理;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

摘要：

使用支持向量机对非线性可分数据进行分类的基本思想是将样本集映射到一个高维线性空间使其线性可分。文章则基于Jordan曲线定理,提出了一种通用的基于分类超曲面的分类法,它是通过直接构造分类超曲面,根据样本点关于分类曲面的围绕数的奇偶性进行分类的一种新分类判断算法,不需作升维变换,不需要考虑使用何种核函数,而直接地解决非线性分类问题。对数据分类应用的结果说明:基于分类超曲面的分类法可以有效地解决非线性数据的分类问题,并能够提高分类效率和准确度。

引用

页码：58 / 60

页数：3

共 6 条

[1] Layeredneuralnetsforpatternrecognition犤J犦. WidrowB,WinterRG. IEEETransactionsonAcoustics,SpeechandSignalProcessing . 1988
[2] AlgebraicTopologyAFirstCourse犤M犦. WilliamFulton. . 1995
[3] TheNatureofStatisticalLearningTheory犤M犦. VapnikVN. . 1995
[4] Atutorialonsupportvectormachinesforpatternrecognition犤J犦. BurgesCJC. DataMiningandKnowledgeDiscovery . 1998
[5] AGeometricalRepresentationofMcCulloch-PittsNeuralModelandItsApplications犤J犦. LingZhang,BoZhang. IEEETransactionsonNeuralNetworks . 1999
[6] StatisticalLearningTheory犤M犦. VapnikVN. . 1998

← 1 →