基于树型结构的SVM多类组合分类器在文本分类中的应用   总被引：2，自引：0，他引：2  

殷天石  孙济庆 《情报杂志》2006,25(2):34-36

针对最初的支持向量机只能解决两类分类问题,提出了一种基于树型结构的SVM多类组合分类器。实验发现,不同的层次结构对这种树型结构的SVM多类组合分类器的分类准确度会产生影响;实验结果表明多个SVM的组合使用可以改善单个SVM的分类准确度,但是改善的程度还有待提高。  相似文献   

决策树分类器融合在CRM客户分类中的应用研究     

肖进 《软科学》2008,22(9)

将多分类器融合技术用于CRM中的客户分类研究,以提高分类性能。以决策树作为基本分类器,引入最小二乘技术进行多分类器线性融合。实证结果显示,4种不同的融合方案的分类性能均胜过任一基本分类器,甚至优于基于遗传算法的神经网络融合分类结果,从而表明了该方法的可行性和有效性。  相似文献   

基于SVM与KNN的中文文本分类比较实证研究   总被引：1，自引：0，他引：1  

刘怀亮  张治国  马志辉  孙蕾 《情报理论与实践》2008,31(6)

本文详细介绍了中文文本分类过程以及SVM和KNN两种方法在中文文本分类中的具体步骤,给出了中文文本分类的模型。通过实验对SVM算法和传统的KNN算法应用于文本分类效果进行了比较性实证研究。研究表明,SVM分类器较KNN在处理中文文本分类问题上有更良好的分类效果,有较高的查全率和查准率。  相似文献   

基于SVM的多类文本分类研究   总被引：9，自引：0，他引：9  

张爱丽  刘广利  刘长宇 《情报杂志》2004,23(9):6-7,10

基于统计学习理论．构建了SVM文本分类模型，并给出了模型参数的100自动选择算法，解决了以往参数靠经验确定的弊端。传统的文本分类系统不能处理一篇文档同属多类别的情形，论文将该情形归结为多类文本分类问题，提出二叉决策树SVM模型，并就农业机械化工程文档进行了实证分析。结果表明，该算法具有较好的分类效果。  相似文献   

SVM决策树在沉积微相识别中的应用     

展文宁  蔡英  李一民  王玉杰 《科技广场》2007,(7):144-146

支持向量机(SVM)作为统计学理论最年轻的分支,其应用日益广泛。针对油层沉积微相的多类识别问题,可采用支持向量机和决策树相结合的方法。对传统的SVM决策树进行改进的基础上,在SVM核函数选取过程中,构造了与实际问题有关的核函数。此方法有效的降低了支持向量机的设计难度,同时提高了识别精度和泛化能力。最后用实例对比神经网络验证了该方法的优越性。  相似文献   

影像信息决策树分类方法设计     

李慧 《中国科技信息》2015,(6):66-67

归纳学习训练样本能够产生决策规则或决策树,通过决策规则或决策树分类新数据的方法称为决策树。本文以大连市旅顺口区为研究区域,分析该区影像信息选取分类样本,选取合适的特征,统计分析样本的特征值,运用基于特征的决策树分类方法,设计决策树分类器,来解决该区域土地利用分类问题。  相似文献   

SVM和C4.5决策树在肝包虫CT图像分类中的研究     

刘志华  娜迪亚·阿卜杜迪克依木  严传波 《科技通报》2020,36(4):45-50

探讨C4. 5决策树、支持向量机分类器在新疆地方性肝包虫CT图像分类中的应用。使用sym4小波变换方法对预处理的图像进行特征提取,运用统计学方法筛选出最优的特征子集,并构建C4. 5决策树分类模型和支持向量机分类模型,进一步对模型的准确性、召回率等进行评估。结果显示,3种CT图像两两分类和综合分类时,C4. 5决策树分类模型的分类精度都明显高于支持向量机分类模型,C4. 5决策树分类模型的分类精度均达到87%以上,分类效果较好。实验结果表明,将C4. 5决策树分类器应用于肝包虫CT图像的分型中,为肝包虫病影像学诊断提供了一定的依据,也为后续新疆地方性肝包虫病计算机辅助诊断系统的研发奠定了基础。  相似文献   

基于随机森林的分类器在犯罪预测中的应用研究     

孙菲菲  曹卓  肖晓雷 《情报杂志》2014,(10)

犯罪预测一直是公安部门亟待解决的突出问题。基于随机森林这种模型组合分类器,结合机器学习技术在犯罪预测中的应用现状,提出了一种用于预测犯罪的新的分类方法,并通过模拟实验来展示这种分类方法比一般的随机森林分类会有更高的可信度。创新之处在于提出的这种随机森林分类器的每一棵树都是退化的决策树,并且根据在线学习的结果在下一轮的分类中选择区分度更高的决策树。最终给出一个应用于犯罪预测的较为成功的分类器的思路和模式,得出准确有效的预测结论。  相似文献   

小样本条件下的半监督遥感影像分类方法研究     

何湜  程结海  王世东  王雅萍 《青海科技》2020,27(1)

遥感图像监督分类需要充足精确的标注数据训练分类器,然而数据标注需要人工参与,很多任务难以及时获得符合要求的监督信息,不利于影像分类。半监督学习是一种利用少量标注数据和大量未标注数据共同训练分类器的机器学习方法,能从机理上减少人工参与,提高效率。本文引入一种半监督方法——平方损失互信息归一化模型(squared-loss mutual information regularization,SMIR)实现遥感图像分类。实验结果表明,在小样本监督信息的条件下,SMIR能够利用标注数据与未标注数据,直接构建多类分类器,其影像分类结果优于经典的支持向量机(support vector machine,SVM)方法。  相似文献   

PCA和SVM在新疆哈萨克族食管癌图像分类中的研究与应用     

《科技通报》2017,(2)

目的:利用PCA和SVM对新疆哈萨克族食管癌X射线图像进行特征提取、特征选择及分类研究。方法:利用基于灰度共生矩阵的纹理特征和小波变换的频域特征提取法,提出将ROC曲线面积选择法和主成分分析法相结合的两步式特征选择法,利用Bayes和SVM分类器对图像进行分类以验证所提取特征的分类能力。结果:AUC0.7的特征经主成分分析后输入到SVM分类器和Bayes分类器中得到的分类准确率和AUC值最高,分别为91%和85%、0.945和0.915。结论:SVM具有较好的分类性能,两步式特征选择法能有效地消除特征之间的共线性,极大提高了特征的分类能力,本研究有望提高新疆哈萨克族食管癌CAD系统的整体性能。  相似文献