文献类型：期刊文章

作　　者：崔建[1] 李强[1] 刘勇[2] 宗大伟[3]

机构地区：[1]空军雷达学院预警监视情报系,湖北武汉430019 [2]空军驻京津地区代表室,北京100015 [3]华中数控股份有限公司,湖北武汉430223

出　　处：《系统工程与电子技术》

基　　金：国家自然科学基金(60736009)资助课题

年　　份：2011

卷　　号：33

期　　号：11

起止页码：2558-2563

语　　种：中文

收录情况：BDHX、BDHX2008、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、EI(收录号：20115014603150)、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：为提高支持向量机(support vector machine,SVM)算法对大规模数据的适应能力,加快SVM算法的分类速度,提出一种基于决策树的快速SVM分类方法。该方法的重点在于构建一棵决策树,将大规模问题分解为相对简单的子问题,树中节点由线性支持向量机组成,每个节点包含一个决策超平面,分类过程取决于节点的数量。此方法在分类复杂样本时避免了使用非线性核函数。并且由于使用线性核函数,则不用进行模型选择,进一步加快了样本的分类速度。实验表明,针对大规模多特征数据的非线性分类问题,该方法比传统方法具有更高的速度。

关 键 词：支持向量机 快速分类  决策树 大规模数据

分 类 号：TP311]