改进SVM分类算法中多重共线性问题研究  

Research of improving multicollinearity in SVM classification algorithm

作　　者：冼广铭[1,2] 齐德昱[1] 方群 柯庆 曾碧卿[4] 肖应旺[4] 

机构地区：[1]华南理工大学,广州510640 [2]广州天河软件园管委会博士后科研工作站,广州510663 [3]蓝盾信息安全技术股份有限公司,广州510631 [4]华南师范大学南海学院,广东佛山528225

出　　处：《计算机工程与应用》2010年第26期142-144,共3页Computer Engineering and Applications

基　　金：2008年度广东省自然科学基金资助面上项目(No.8151063101000040);广东高校优秀青年创新人才培育项目(No.粤财教(2008)342号);2009年度广东省自然科学基金(No.9151063101000043)

摘　　要：提出了一种可以解决SVM分类算法中的多重共线性问题的因子分析方法。因子分析的核心是用较少的互相独立的因子反映原有变量的绝大部分信息,它既能大大减少参与数据建模的变量个数,简化支持向量机结构,减少支持向量机分类过程中的复杂度和运算量,同时不会改变样本的分布特性,保持样本的分类信息。实验结果表明,通过因子分析对样本数据的处理,使用3个因子代替7个原始变量,原始变量间的多重共线性问题得到了很好的解决。In order to solve this limitation problem of multicollinearity in SVM classification algorithm,the method of factor analysis is proposed.Factor analysis is used to represent most information of original variables by several independent factors. It greatly decreases number of variable for data construction, simplifies construction of SVM, and decreases complexity of classification process of SVM.At the same time, sample distribution characters are remained.Experimental results show that the method above can effectively solve the problem of multicollinearity in SVM classification algorithm.

关 键 词：支持向量机 因子分析 多重共线性 

分 类 号：TP311[自动化与计算机技术—计算机软件与理论]