改进 SVM算法的电商行业竞争对手识别
孙瑞丽1
陈盛双1
李石君2
1.武汉理工大学 理学院,湖北 武汉,4300702.武汉大学 计算机学院,湖北 武汉,430070
摘要：针对电商行业竞争对手识别准确率偏低的问题，提出了一种改进的支持向量机（SVM）算法来优化识别过程。该算法基于 Mercer 定理融合间隔因素逐步修正核函数，以提高分类器的泛化能力。以 ebay 平台接口抽取的 Lising 数据为研究对象，在满足 Mercer 定理的前提下对核函数进行保形变换；然后，结合核函数的黎曼几何分析，融合间隔因素改进核函数以构成新的分类器；最后，利用参数寻优算法确定实例中的参数模型并进行测试。与余弦向量相似度算法及 SVM算法的实验结果相比，本文提出的方法识别竞争对手的准确度分别提高了10．2％和3．8％。
关键词：支持向量机修正核函数竞争对手识别
分类号：TP391(计算技术、计算机技术)
资助基金：国家高技术研究发展计划（863计划）(20121g0139)国家自然科学基金(61272109)
论文发表日期：2016-01-01
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：5( 46-50 )