计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2009年
22期
117-119
,共3页
归一化%特征向量%参数优化%支持向量机
歸一化%特徵嚮量%參數優化%支持嚮量機
귀일화%특정향량%삼수우화%지지향량궤
normalization%feature vector%parameter optimization%Support Vector Machine(SVM)
特征提取和分类器的参教优化是提高分类准确率的主要途径,对公用数据库UCI的相关数据进行特征向量的归一化处理,采用KNN、PNN和SVM进行分类.讨论了特征归一化对分类准确率和分类器参数的影响.实验结果表明:归一化能有效提高分类器的分类准确率,SVM尤为明显,且参数的寻优范围缩小,缩短训练周期.
特徵提取和分類器的參教優化是提高分類準確率的主要途徑,對公用數據庫UCI的相關數據進行特徵嚮量的歸一化處理,採用KNN、PNN和SVM進行分類.討論瞭特徵歸一化對分類準確率和分類器參數的影響.實驗結果錶明:歸一化能有效提高分類器的分類準確率,SVM尤為明顯,且參數的尋優範圍縮小,縮短訓練週期.
특정제취화분류기적삼교우화시제고분류준학솔적주요도경,대공용수거고UCI적상관수거진행특정향량적귀일화처리,채용KNN、PNN화SVM진행분류.토론료특정귀일화대분류준학솔화분류기삼수적영향.실험결과표명:귀일화능유효제고분류기적분류준학솔,SVM우위명현,차삼수적심우범위축소,축단훈련주기.
Feature extraction and the parameter optimization of classifiers are two key methods for the improvement of the classification accuracy.The paper uses normalization method for the feature transformation based on the public database UCI. KNN,PNN and SVM are employed for classification.The effects of normalization on the accuracy of classification and parameter optimization are discussed.The results of experiment show normalization improved effectively the accuracies of classifiers,especially for SVM,reduce the searching range of the parameters of classifiers and the training periods.
