计算机与数字工程
計算機與數字工程
계산궤여수자공정
COMPUTER & DIGITAL ENGINEERING
2012年
3期
21-23
,共3页
遗传算法%K近邻%SVM决策树
遺傳算法%K近鄰%SVM決策樹
유전산법%K근린%SVM결책수
文章提出了一种基于遗传算法和K近邻的SVM决策树方法,并将其应用于解决SVM多分类问题.算法以基于类分布的类间分离性测度为准则,利用遗传算法对传统的SVM决策树进行优化,生成最优(较优)决策树.在分类阶段,对容易分的节点利用SVM进行分类,而对可分离性差的节点采用SVM和K近邻相结合的分类方法,最终实现多类别分类.实验结果表明,与传统的分类方法相比,该算法的实验效果较好,是一种有效的分类方法.
文章提齣瞭一種基于遺傳算法和K近鄰的SVM決策樹方法,併將其應用于解決SVM多分類問題.算法以基于類分佈的類間分離性測度為準則,利用遺傳算法對傳統的SVM決策樹進行優化,生成最優(較優)決策樹.在分類階段,對容易分的節點利用SVM進行分類,而對可分離性差的節點採用SVM和K近鄰相結閤的分類方法,最終實現多類彆分類.實驗結果錶明,與傳統的分類方法相比,該算法的實驗效果較好,是一種有效的分類方法.
문장제출료일충기우유전산법화K근린적SVM결책수방법,병장기응용우해결SVM다분류문제.산법이기우류분포적류간분리성측도위준칙,이용유전산법대전통적SVM결책수진행우화,생성최우(교우)결책수.재분류계단,대용역분적절점이용SVM진행분류,이대가분리성차적절점채용SVM화K근린상결합적분류방법,최종실현다유별분류.실험결과표명,여전통적분류방법상비,해산법적실험효과교호,시일충유효적분류방법.
