基于支持向量机的决策系统知识发现 |
| |
引用本文: | 魏玲,祁建军,张文修. 基于支持向量机的决策系统知识发现[J]. 西安交通大学学报, 2003, 37(10): 995-998 |
| |
作者姓名: | 魏玲 祁建军 张文修 |
| |
作者单位: | 1. 西安交通大学理学院,710049,西安 2. 西安交通大学电子与信息工程学院,710049,西安 |
| |
摘 要: | 从规则获取和类别预报两方面研究支持向量机(SVM)方法在决策系统知识发现中的应用。对于规则获取,用SVM对决策系统进行条件属性约简并提取特征对象,进而基于较少的特征对象提取规则,使得规则获取的难度和速度都有所改善;对于类别预报,利用SVM对决策系统的对象进行分类,得到一个简单的判决函数。该判决函数可以完成对样本的类别预报,起到与决策规则类似的作用,而且此方法比传统方法简单易行。实验表明,将SVM方法用于决策系统的知识发现,不仅简便可行,而且可以提高速度。对于较大的决策系统更能体现出该方法的优越性。
|
关 键 词: | 决策系统 支持向量机 知识发现 属性约简 规则获取 类别预报 |
文章编号: | 0253-987X(2003)10-0995-04 |
修稿时间: | 2003-03-13 |
SVM-Based Knowledge Discovery in Decision System |
| |
Abstract: | |
| |
Keywords: | decision system support vector machine knowledge discovery attribute reduction rules acquisition class forecast |
本文献已被 CNKI 维普 万方数据 等数据库收录! |