| 一种改进的基于密度聚类的支持向量机 |
| |
| 引用本文： | 赵飞军,贺兴时,王娟.一种改进的基于密度聚类的支持向量机[J].佳木斯大学学报,2010,28(4):587-589,592. |
| |
| 作者姓名： | 赵飞军 贺兴时 王娟 |
| |
| 作者单位： | 西安工程大学理学院,陕西西安710048 |
| |
| 摘 要： | 运用OPTICS算法能发现任意形状的聚类,且对输入参数不敏感的优势,提出一种基于OPTICS密度聚类的支持向量机算法,通过对原始数据进行预处理,利用可达图得到约简样本代替原始训练样本用支持向量机进行训练,降低了SVM训练所需的时间及空间复杂度.实验表明,该方法在保持分类精度的同时,大大缩短了训练时间,提高了分类效率.
|
| 关 键 词： | 支持向量机 密度聚类 OPTICS 可达距离 |
Improved Support Vector Machine Based on Density Clustering |
| |
| ZHAO Fei-jun,HE Xing-shi,WANG Juan.Improved Support Vector Machine Based on Density Clustering[J].Journal of Jiamusi University(Natural Science Edition),2010,28(4):587-589,592. |
| |
| Authors: | ZHAO Fei-jun HE Xing-shi WANG Juan |
| |
| Abstract: | |
| |
| Keywords: | OPTICS |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
|
