| 一种新的 SVM 决策树 |
| |
| 引用本文： | 孙昌儿,刘秉瀚.一种新的 SVM 决策树[J].福州大学学报(自然科学版),2007,35(3):361-364. |
| |
| 作者姓名： | 孙昌儿 刘秉瀚 |
| |
| 作者单位： | 福州大学数学与计算机科学学院,福建,福州,350002 |
| |
| 基金项目： | 福建省自然科学基金
,
国家自然科学基金 |
| |
| 摘 要： | SVM在小训练样本、高维情况下具有很好的泛化性能,但它不适用于多类分类.本文分析基本的SVM和多类SVM分类器,重点讨论了SVM决策树,提出了一种结点分类器类集合划分方案来构造SVM决策树.实验结果表明,以这种方法构造的SVM决策树分类器分类性能较好.
|
| 关 键 词： | 支持向量机 SVM决策树 分类器 |
| 文章编号： | 1000-2243(2007)03-0361-04 |
| 修稿时间： | 2006年3月10日 |
A new SVM decision tree |
| |
| SUN Chang-er,LIU Bing-han.A new SVM decision tree[J].Journal of Fuzhou University(Natural Science Edition),2007,35(3):361-364. |
| |
| Authors: | SUN Chang-er LIU Bing-han |
| |
| Institution: | (College of Mathematics and Computer Science,Fuzhou University,Fuzhou,Fujian 350002,China) |
| |
| Abstract: | SVM has good generalization performance when the number of training samples is very small and the dimension of feature space is very high.But it is not suitable for multi-class classification.This paper analyzes the basic SVM and the SVM classifier multi-class classification,especially about the SVM decision tree,then proposes a method for partition of the set of classes on each node classifier to build up SVM decision tree.The results of experiment demonstrate that the SVM decision tree built up by this method has a good classification performance. |
| |
| Keywords: | support vector machine SVM decision tree: classifier |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《福州大学学报(自然科学版)》浏览原始摘要信息 |
| 点击此处可从《福州大学学报(自然科学版)》下载免费的PDF全文 |
|
