首页 | 本学科首页   官方微博 | 高级检索  
     

基于粒子群算法的决策树SVM多分类方法研究
引用本文:王道明,鲁昌华,蒋薇薇,肖明霞,李必然.基于粒子群算法的决策树SVM多分类方法研究[J].电子测量与仪器学报,2015,29(4):611-615.
作者姓名:王道明  鲁昌华  蒋薇薇  肖明霞  李必然
作者单位:合肥工业大学计算机与信息学院 合肥 230009
基金项目:合肥工业大学承担安徽省科技强警(1301b042014)项目
摘    要:针对SVM多分类问题提出了一种基于粒子群算法的最优决策树SVM生成算法,以解决传统支持向量机多分类方法存在的不可分区域和误差积累现象。该方法利用自变异的PSO聚类算法在每一决策节点自动寻找最优或近优分类决策,将数据集划分为两类,直至叶子节点为止,最终根据最优决策树构建SVM多分类结构,训练各个节点SVM分类器。将该算法应用于图像人群密度分类问题,仿真实验表明,分类精度和分类时间得到明显改善,是一种有效地的多分类算法。

关 键 词:支持向量机  粒子群算法  决策树  多分类

Study on PSO-based decision-tree SVM multi-class classification method
Wang Daoming , Lu Changhua , Jiang Weiwei , Xiao Mingxia , Li Biran.Study on PSO-based decision-tree SVM multi-class classification method[J].Journal of Electronic Measurement and Instrument,2015,29(4):611-615.
Authors:Wang Daoming  Lu Changhua  Jiang Weiwei  Xiao Mingxia  Li Biran
Affiliation:Wang Daoming;Lu Changhua;Jiang Weiwei;Xiao Mingxia;Li Biran;School of Computer and Information,Hefei University of Technology;
Abstract:
Keywords:support vector machine  particle swarm optimization  decision tree  multi-class classification
本文献已被 CNKI 万方数据 等数据库收录!
点击此处可从《电子测量与仪器学报》浏览原始摘要信息
点击此处可从《电子测量与仪器学报》下载全文
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号