文献类型：期刊文章

作　　者：武方方[1] 赵银亮[1] 蒋泽飞[1]

机构地区：[1]西安交通大学新型计算机研究所,西安710049

出　　处：《西安交通大学学报》

基　　金：国家自然科学基金资助项目(60173066)

年　　份：2005

卷　　号：39

期　　号：12

起止页码：1319-1322

语　　种：中文

收录情况：BDHX、BDHX2004、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、EI(收录号：2006069686856)、IC、INSPEC、JST、MR、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：为了解决支持向量机的分类仅应用于较小样本集的问题,提出了一种密度聚类与支持向量机相结合的分类算法.在密度聚类中,当一个样本点不存在拟密度可达的样本点,则其显著特征即表现为该簇的边缘点,将该点加入约简集合,直至选出样本集合中的所有边缘对象,然后再利用约简集合寻找支持向量.实验表明,采用该算法,分类的准确率可从基于无监督聚类的支持向量机算法的86.81%提升至95.43%,核函数计算量由原数量级109下降到106以下,采取限制密度聚类中的核心点ε-邻域内的反例百分比的方法,可以增加约简样本的个数,可将分类准确率提高5%～8%左右.

关 键 词：支持向量机 密度聚类 ε-邻域  

分 类 号：TP301.6]