计算机仿真
計算機倣真
계산궤방진
COMPUTER SIMULATION
2010年
9期
208-211
,共4页
支持向量机%最近邻分类%核函数
支持嚮量機%最近鄰分類%覈函數
지지향량궤%최근린분류%핵함수
在网页自动分类优化数据管理的研究,网页分类技术是数据挖掘研究中的一个热点领域,针对当前网页分类方法的精度低、速度慢等难题,为提高网页分类准确率,提出一种将支持向量机和最近邻相结合的网页分类方法(KNN-SVM).KNN-SVM在分类阶段计算待识别样本和最优分类超平面的距离,如果距离差大于给定阈值直接应用支持向量机分类,否则代入以每类的所有的支持向量作为代表点的K近邻分类并进行仿真.仿真结果表明,使用支持向量机结合最近邻分类的分类器分类比单独使用支持向量机分类具有更高的分类准确率,较好地解决应用支持向量机分类时核函数参数的选择问题.
在網頁自動分類優化數據管理的研究,網頁分類技術是數據挖掘研究中的一箇熱點領域,針對噹前網頁分類方法的精度低、速度慢等難題,為提高網頁分類準確率,提齣一種將支持嚮量機和最近鄰相結閤的網頁分類方法(KNN-SVM).KNN-SVM在分類階段計算待識彆樣本和最優分類超平麵的距離,如果距離差大于給定閾值直接應用支持嚮量機分類,否則代入以每類的所有的支持嚮量作為代錶點的K近鄰分類併進行倣真.倣真結果錶明,使用支持嚮量機結閤最近鄰分類的分類器分類比單獨使用支持嚮量機分類具有更高的分類準確率,較好地解決應用支持嚮量機分類時覈函數參數的選擇問題.
재망혈자동분류우화수거관리적연구,망혈분류기술시수거알굴연구중적일개열점영역,침대당전망혈분류방법적정도저、속도만등난제,위제고망혈분류준학솔,제출일충장지지향량궤화최근린상결합적망혈분류방법(KNN-SVM).KNN-SVM재분류계단계산대식별양본화최우분류초평면적거리,여과거리차대우급정역치직접응용지지향량궤분류,부칙대입이매류적소유적지지향량작위대표점적K근린분류병진행방진.방진결과표명,사용지지향량궤결합최근린분류적분류기분류비단독사용지지향량궤분류구유경고적분류준학솔,교호지해결응용지지향량궤분류시핵함수삼수적선택문제.
