计算机科学
計算機科學
계산궤과학
COMPUTER SCIENCE
2008年
8期
149-153
,共5页
支持向量数据描述%可能性c-均值聚类%最小包围球%分类器%支持向量机
支持嚮量數據描述%可能性c-均值聚類%最小包圍毬%分類器%支持嚮量機
지지향량수거묘술%가능성c-균치취류%최소포위구%분류기%지지향량궤
基于支持向量数据描述和改进的可能性c-均值聚类算法,提出了一种模糊的多类分类学习机.首先通过一个改进的PCM算法来计算每个样本对于每类的权值矩阵,该权值也反映了该样本对某类的重要程度;然后将该权值矩阵应用到支持向量数据描述方法中,并对样本进行训练;最后给出了一个针对多类分类的分类规则(函数),并从理论上证明该分类规则满足贝叶斯优化决策理论.通过对比实验分析,本文提出的算法在分类精度和训练时间上都有较大的改善.
基于支持嚮量數據描述和改進的可能性c-均值聚類算法,提齣瞭一種模糊的多類分類學習機.首先通過一箇改進的PCM算法來計算每箇樣本對于每類的權值矩陣,該權值也反映瞭該樣本對某類的重要程度;然後將該權值矩陣應用到支持嚮量數據描述方法中,併對樣本進行訓練;最後給齣瞭一箇針對多類分類的分類規則(函數),併從理論上證明該分類規則滿足貝葉斯優化決策理論.通過對比實驗分析,本文提齣的算法在分類精度和訓練時間上都有較大的改善.
기우지지향량수거묘술화개진적가능성c-균치취류산법,제출료일충모호적다류분류학습궤.수선통과일개개진적PCM산법래계산매개양본대우매류적권치구진,해권치야반영료해양본대모류적중요정도;연후장해권치구진응용도지지향량수거묘술방법중,병대양본진행훈련;최후급출료일개침대다류분류적분류규칙(함수),병종이론상증명해분류규칙만족패협사우화결책이론.통과대비실험분석,본문제출적산법재분류정도화훈련시간상도유교대적개선.