计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2008年
8期
169-171
,共3页
支持向量机%独立成分分析%聚类分析%相关关系
支持嚮量機%獨立成分分析%聚類分析%相關關繫
지지향량궤%독립성분분석%취류분석%상관관계
在ICA与聚类分析的基础上提出了一种改进的支持向量机分类模型--ICSVM模型.ICSVM模型中利用一种指标筛选算法与独立成分分析的方法将各数据指标转化为互相独立成分的数据指标.接着运用K-means方法对独立成分样本数据集进行聚类分析,再由获得的各子类中心数据构造初始的超平面,筛选出靠近初始超平面的支持类与亚支持类,并展开支持类与亚支持类中的样本数据点重新构造超平面,以便对数据进行分类.实验表明,对于样本比较多的数据集,与标准的SVM算法相比,ICSVM算法能够节约训练时间,同时能够提高分类的正确率.
在ICA與聚類分析的基礎上提齣瞭一種改進的支持嚮量機分類模型--ICSVM模型.ICSVM模型中利用一種指標篩選算法與獨立成分分析的方法將各數據指標轉化為互相獨立成分的數據指標.接著運用K-means方法對獨立成分樣本數據集進行聚類分析,再由穫得的各子類中心數據構造初始的超平麵,篩選齣靠近初始超平麵的支持類與亞支持類,併展開支持類與亞支持類中的樣本數據點重新構造超平麵,以便對數據進行分類.實驗錶明,對于樣本比較多的數據集,與標準的SVM算法相比,ICSVM算法能夠節約訓練時間,同時能夠提高分類的正確率.
재ICA여취류분석적기출상제출료일충개진적지지향량궤분류모형--ICSVM모형.ICSVM모형중이용일충지표사선산법여독립성분분석적방법장각수거지표전화위호상독립성분적수거지표.접착운용K-means방법대독립성분양본수거집진행취류분석,재유획득적각자류중심수거구조초시적초평면,사선출고근초시초평면적지지류여아지지류,병전개지지류여아지지류중적양본수거점중신구조초평면,이편대수거진행분류.실험표명,대우양본비교다적수거집,여표준적SVM산법상비,ICSVM산법능구절약훈련시간,동시능구제고분류적정학솔.
