支持向量机分类算法研究要领.pdfVIP

计算机工程与应用 ， （ ） Computer Engineering and Applications 2009 45 1 159 支持向量机分类算法研究 周宽久，张世荣 ， ZHOU Kuan-jiu ZHANG Shi-rong 大连理工大学软件学院，辽宁大连 116620 Software School ，Dalian University of Technology ，Dalian，Liaoning 116620 ，China E-mail ：Zhoukj@ ZHOU Kuan -jiu ，ZHANG Shi -rong.Support vector machines based classification algorithm .Computer Engineering and Applications ，2009 ，45 （1）：159-162. Abstract ：The accuracy of classification of SVM in a two -class classification problem would be decreased because of those promiscuous samples.KCNN-SVM is proposed in this paper as an improved NN-SVM algorithm ，which prunes a sample according to their nearest neighbor ’s class label as well as the average distance in kernel space between it and its k congener nearest neighbors.Experimental results show that KCNN -SVM algorithm is better than both SVM and NN -SVM in accuracy of classification and the total training and testing time is comparative to that of NN-SVM. Key words ：Support Vector Machine ；kernel space ；text categorization 摘 要：支持向量机在处理两类分类问题时，当两类样本混杂严重时会降低分类精度。在NN-SVM 分类算法的基础上，通过计算 样本点与其最近邻点类别的异同以及该点与其 个同类近邻点在核空间的平均距离修剪混淆点，进而提出了一种改进的 k NN- 算法——— 。实验数据表明， 算法与 以及 相比，有着更高的分类精度和更快的训练、分 SVM KCNN-SVM KCNN-SVM SVM NN-SVM 类时间。 支持向量机；核空间；文本分类 关键词： DOI ：10.3778/j.issn.1002-8331.2009.01.050 文章编号：１００２－８３３１ （２００9）01-0159-04 文献标识码：Ａ 中图分类号：TP391 1 引言 复杂，需要反复使用SVM 训练；文献[5]提出了另一种改进的 支持向量机（（Support Vector Machine ，SVM）是20 世纪 SVM——NN-SVM （Nearest Neighbor-Support Vector Machine）： 90 年代中期在统计学习理论基础上发展起来的一种新型机器 他先对训练集进行修剪，根据每个样本与其最近邻（nearest [1]