文献类型：期刊文章

作　　者：肖汉光[1] 蔡从中[2]

机构地区：[1]重庆工学院数理学院,重庆400054 [2]重庆大学数理学院,重庆400044

出　　处：《计算机工程与应用》

基　　金：国家教育部新世纪人才支持计划No.NCET-07-0903;重庆市自然科学基金No.2006BB5240;重庆工学院青年教师科研基金No.20062D39~~

年　　份：2009

卷　　号：45

期　　号：22

起止页码：117-119

语　　种：中文

收录情况：AJ、BDHX、BDHX2008、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、IC、INSPEC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：特征提取和分类器的参数优化是提高分类准确率的主要途径,对公用数据库UCI的相关数据进行特征向量的归一化处理,采用KNN、PNN和SVM进行分类。讨论了特征归一化对分类准确率和分类器参数的影响。实验结果表明:归一化能有效提高分类器的分类准确率,SVM尤为明显,且参数的寻优范围缩小,缩短训练周期。

关 键 词：归一化 特征向量 参数优化 支持向量机

分 类 号：TP18]