系统工程与电子技术
繫統工程與電子技術
계통공정여전자기술
SYSTEMS ENGINEERING AND ELECTRONICS
2011年
11期
2558-2563
,共6页
崔建%李强%刘勇%宗大伟
崔建%李彊%劉勇%宗大偉
최건%리강%류용%종대위
支持向量机%快速分类%决策树%大规模数据
支持嚮量機%快速分類%決策樹%大規模數據
지지향량궤%쾌속분류%결책수%대규모수거
为提高支持向量机(support vector machine,SVM)算法对大规模数据的适应能力,加快SVM算法的分类速度,提出一种基于决策树的快速SVM分类方法.该方法的重点在于构建一棵决策树,将大规模问题分解为相对简单的子问题,树中节点由线性支持向量机组成,每个节点包含一个决策超平面,分类过程取决于节点的数量.此方法在分类复杂样本时避免了使用非线性核函数.并且由于使用线性核函数,则不用进行模型选择,进一步加快了样本的分类速度.实验表明,针对大规模多特征数据的非线性分类问题,该方法比传统方法具有更高的速度.
為提高支持嚮量機(support vector machine,SVM)算法對大規模數據的適應能力,加快SVM算法的分類速度,提齣一種基于決策樹的快速SVM分類方法.該方法的重點在于構建一棵決策樹,將大規模問題分解為相對簡單的子問題,樹中節點由線性支持嚮量機組成,每箇節點包含一箇決策超平麵,分類過程取決于節點的數量.此方法在分類複雜樣本時避免瞭使用非線性覈函數.併且由于使用線性覈函數,則不用進行模型選擇,進一步加快瞭樣本的分類速度.實驗錶明,針對大規模多特徵數據的非線性分類問題,該方法比傳統方法具有更高的速度.
위제고지지향량궤(support vector machine,SVM)산법대대규모수거적괄응능력,가쾌SVM산법적분류속도,제출일충기우결책수적쾌속SVM분류방법.해방법적중점재우구건일과결책수,장대규모문제분해위상대간단적자문제,수중절점유선성지지향량궤조성,매개절점포함일개결책초평면,분류과정취결우절점적수량.차방법재분류복잡양본시피면료사용비선성핵함수.병차유우사용선성핵함수,칙불용진행모형선택,진일보가쾌료양본적분류속도.실험표명,침대대규모다특정수거적비선성분류문제,해방법비전통방법구유경고적속도.