ScholarMate
English简体中文繁體中文
客服热线:400-1616-289
登录注册
期刊论文

基于改进FCM聚类的BT-SVM多类分类算法

权文; 王晓丹中国人民解放军空军工程大学
微计算机信息2009-2-6
4阅读
引用收藏
分享

摘要

针对二叉树支持向量机在多类分类问题上存在的不足,利用粒子群算法对模糊C均值聚类算法进行了改进,在此基础上,结合二叉树支持向量机,构建了偏二叉树多类分类算法。该方法在二叉树各节点处根据聚类中心所对应的样本构造学习样本集和最优分类超平面,保障了聚类精度,有效地提高了测试正确率。实验表明,本文提出BT-SVM多类分类算法的测试正确率要高于同类多类分类算法。

学科与关键词

关键词
支持向量机模糊C均值聚类粒子群多类分类二叉树 SVMfuzzy C-means algorithmParticle Swarm Optimizationmuti-classificationBinary Tree
相关
加载中…
  • 改进二叉树支持向量机及其故障诊断方法研究
    赵海洋; 徐敏强; 王金东振动工程学报, 2013, (05): 764-770.
  • 基于模糊c-均值聚类的SVC迭代训练算法
    陈自洁; 夏成锋仲恺农业工程学院学报, 2011, (01): 39-43.
  • SVM置信度在线评估以及决策改进
    凌萍; 周春光计算机科学与探索, 2008, (02): 192-197.
查看全部 →

发表信息

论文状态
公开发表
期刊
微计算机信息
发表日期
2009-02-06
卷期
第 06 期
页码
230-232
语言
中文
成果收录
CHINAJOURNAL
资助标注
基金申请人:王晓丹;项目名称:集成差异性度量及应用研究;基金颁发部门:陕西省科技厅(2007F19)

作者

  • 权

    权文 (第一作者)

  • 王

    王晓丹

登录解锁更多功能

  • 收藏这篇,随时在“我的 · 收藏”找回
  • 认领你的成果,生成推广素材
  • 关注作者获取最新成果
  • 加入项目组、协同写作
注册 / 登录

产品服务

  • 科研之友
  • 创新城
  • 科创云

服务支持

  • 帮助中心
  • 隐私政策
  • 服务条款

联系方式

在线客服:【】
客服热线:400-1616-289
电子邮箱:support@scholarmate.com

关注或下载科研之友

微信二维码
微信公众号
客户端下载二维码
下载客户端
科研成果科研人员科研机构科研动态爱瑞思软件

©2026 深圳市科研之友网络服务有限公司

公安备案图标粤公网安备 44030502000213
粤ICP备 16046710 号粤B2-20110417