基于粗集理论的支持向量机分类方法研究  被引量:8

Research of support vector classification based on rough set

在线阅读下载全文

作  者:韩虎[1] 任恩恩[2] 李玉龙[1] 

机构地区:[1]兰州交通大学数理与软件工程学院,甘肃兰州730070 [2]兰州交通大学光电技术与智能控制教育部重点实验室,甘肃兰州730070

出  处:《计算机工程与设计》2007年第11期2640-2641,2645,共3页Computer Engineering and Design

摘  要:介绍了粗集理论的基本概念和支持向量机分类的基本原理,提出将粗集理论和支持向量机方法相结合。通过应用粗集理论对数据的预处理,消除决策表中大量的冗余信息和冲突对象,但不丢失任何有用信息。通过这样对数据维数的约简,大大简化了支持向量分类模型的结构,同时也有效地提高了支持向量机的分类效率。通过对一组实验数据的仿真验证了该方法的可行性。The basic concept of rough set (RS) and principle of support vector machines (SVM) are introduced, and the combination of RS and SVM is presented. Redundant attributes and conflicting objects are deleted from decision making table by using the attribute reduction of RS. The structure of the SVM classifiers is simplified and the classification efficiency of SVM is improved in terms of using rough set for data preprocessing. Then experimental result shows the performance of the method.

关 键 词:粗糙集 支持向量机 分类 数据预处理 属性约简 

分 类 号:TP302.2[自动化与计算机技术—计算机系统结构]

 

参考文献:

正在载入数据...

 

二级参考文献:

正在载入数据...

 

耦合文献:

正在载入数据...

 

引证文献:

正在载入数据...

 

二级引证文献:

正在载入数据...

 

同被引文献:

正在载入数据...

 

相关期刊文献:

正在载入数据...

相关的主题
相关的作者对象
相关的机构对象