基于聚类和SVM的数据分类方法与实验研究简 |
| |
引用本文: | 梁修荣,杨正益.基于聚类和SVM的数据分类方法与实验研究简[J].西南师范大学学报(自然科学版),2018,43(3):91-96. |
| |
作者姓名: | 梁修荣 杨正益 |
| |
作者单位: | 重庆城市职业学院信息工程系;重庆大学软件学院 |
| |
摘 要: | 提出一种新的数据分类方法,K-均值聚类分组支持向量机(CG-SVM)方法,在不删减任何样本信息的情况下,该方法使用轮廓系数作为类分离度量参数对数据的正、负类样本进行聚类、分组,对小组进行交叉结合训练,得到不同的SVM分类器,根据测试样本到聚类中心欧氏距离的加权来选择合适的SVM分类器进行类别判断,该方法实现了一个二分类问题转化为多个细分的二分类过程,效果由差变好.对所提方法分别进行了仿真数据和实际数据分类实验.实验结果表明,与传统的SVM方法相比,该算法可以有效地提高分类的准确率.
|
关 键 词: | 聚类分组SVM 轮廓系数 加权欧氏距离 实际数据分类 |
|
| 点击此处可从《西南师范大学学报(自然科学版)》浏览原始摘要信息 |
| 点击此处可从《西南师范大学学报(自然科学版)》下载免费的PDF全文 |
|