| 基于主成分分析的支持向量机分类方法研究 |
| |
| 引用本文： | 赵广社,张希仁.基于主成分分析的支持向量机分类方法研究[J].计算机工程与应用,2004,40(3):37-38,144. |
| |
| 作者姓名： | 赵广社 张希仁 |
| |
| 作者单位： | 西安交通大学电子与信息工程学院,西安,710049 |
| |
| 基金项目： | 国家973重点基础研究发展规划项目(编号:2001CB309405) |
| |
| 摘 要： | 主成分分析法可以提取样本集的主元,从而降低样本的维数,甚至可以实现样本的最优压缩。基于主成分分析法,研究支持向量机分类方法,可以提高支持向量机分类的训练速度和测试速度,但不会改变样本的分布特性,保持样本的分类信息。最后给出了试验及结果。
|
| 关 键 词： | 主成分分析 支持向量机 最优分类超平面 特征值 特征向量 |
| 文章编号： | 1002-8331-(2004)03-0037-02 |
Research of Support Vector Machine Classified Method Based on Principal Component Analysis |
| |
| Zhao Guangshe Zhang Xiren.Research of Support Vector Machine Classified Method Based on Principal Component Analysis[J].Computer Engineering and Applications,2004,40(3):37-38,144. |
| |
| Authors: | Zhao Guangshe Zhang Xiren |
| |
| Abstract: | Principal component analysis method can reduce dimensions of samples and even produce optimal compression of samples.Based on principal component analysis method,training and test speed of support vector machine is improved rapidly,simultaneously distribution of samples is unchangeable and classified information of samples is retained.Lastly,experiments and results are presented. |
| |
| Keywords: | PCA SVM Optimal separating hyperplane Eigenvalue Eigenvector |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
