计算机科学 ›› 2009, Vol. 36 ›› Issue (4): 208-210.
• • 上一篇 下一篇
梁宏霞 闫德勤
出版日期:
发布日期:
基金资助:
LIANG Hong-xia, YAN De-qin （School of Computer and Information Technology, Liaoning Normal University, Dalian 116029,China）
Online:
Published:
摘要： 支持向量机（SVM）是一种重要的数据机器学习工具，其有效性依赖于对数据信息获取的准确性。以往的支持向量机模型都没有考虑到数据等价类信息。为此，基于粗糙集理论和支持向量机思想，提出了一种新的支持向量机模型——粗糙支持向量机（RSVM）。采用UCI机器学习数据库中的数据做对比实验，结果表明RSVM比传统支持向量机（SVM）和模糊支持向量机（FSVM）都有较高的测试精度。
关键词: 支持向量机 等价类 粗糙支持向量机
Abstract: As a powerful machine learning tool, support vector machine （SVM） is now widely used and studied. However,one kind model of SVM is not absolutely suitable for all kind of data. The effectiveness of a SVM depends on correctness of acquiring the information
Key words: SVM, Equvalence class,RSVM
梁宏霞 闫德勤. 粗糙支持向量机[J]. 计算机科学, 2009, 36(4): 208-210. https://doi.org/
LIANG Hong-xia, YAN De-qin （School of Computer and Information Technology, Liaoning Normal University, Dalian 116029,China）. [J]. Computer Science, 2009, 36(4): 208-210. https://doi.org/
0 / / 推荐
导出引用管理器 EndNote|Reference Manager|ProCite|BibTeX|RefWorks
链接本文: https://www.jsjkx.com/CN/
https://www.jsjkx.com/CN/Y2009/V36/I4/208
Cited
首页