样本属性重要度的支持向量机方法
汪廷华
田盛丰
黄厚宽
廖年冬
1.北京交通大学,计算机与信息技术学院,北京,1000442.北京交通大学,计算机与信息技术学院,北京,1000443.北京交通大学,计算机与信息技术学院,北京,1000444.北京交通大学,计算机与信息技术学院,北京,100044
摘要：支持向量机(SVM)是一种新的机器学习方法,已经广泛应用于模式识别和函数估计等问题中.针对现有的加权支持向量机(WSVM)和模糊支持向量机(FSVM)只考虑样本重要性而没有考虑属性重要性对分类结果的影响的缺陷,提出了基于样本属性重要度的支持向量机方法,该方法首先利用信息论中的信息增益技术计算各个样本特征属性对分类属性的重要度,然后对所有样本的同一特征属性的值分别用对应的属性重要度进行加权,最后所得数据集用于训练和测试SVM.数值实验的结果表明,该方法提高了分类器的分类精度.
关键词：支持向量机(SVM)属性重要度信息增益机器学习
分类号：TP181(自动化基础理论)
资助基金：北京交通大学校科研和教改项目(2006XM007)
论文发表日期：2007-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：4( 87-90 )
英文信息