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
- 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.
