基于AP算法支持向量机的设计与应用  

Design and Application of Support Vector Machine Based on AP Algorithm

作　　者：钟毅[1] 刘桂霞[1] 郑明[1] 沈威[1] 赖丽娜[1] 周春光[1] 

机构地区：[1]吉林大学计算机科学与技术学院,长春130012

出　　处：《吉林大学学报（理学版）》2011年第5期906-910,共5页Journal of Jilin University:Science Edition

基　　金：国家自然科学基金(批准号:60973092;60873146;60903097);国家高技术研究发展计划863项目基金(批准号:2009AA02Z307);吉林大学研究生创新项目(批准号:20111062)

摘　　要：设计一种基于AP聚类算法和SVM分类器相融合的新的混合分类器,使用AP聚类算法优化数据集,得到了高质量、小样本的SVM分类器训练集.实验结果表明:与传统的SVM分类器相比,混合分类器具有更高的分类精度;在心脏病预测上,该分类器的效果较好.The authors proposed a new mixed classifier which is based on affinity propagation（AP） clustering algorithm and support vector machine（SVM）.Using affinity propagation clustering algorithm which optimizes data set,we will get the high-quality,small sample training data for SVM classifier,which resolves the problem of support vector machine classification inaccuracy.Experimental results show that the mixed model obtains higher classification accuracy and is better than traditional support vector machine.Especially applied to predicting heart disease,the proposed classifier obtains better results.

关 键 词：支持向量机 AP聚类算法 混合分类器 心脏病预测 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]