Release Time:2019-03-10  Hits:

Indexed by: Journal Article

Date of Publication: 2009-01-01

Journal: 计算机工程与应用

Included Journals: CSCD、ISTIC、PKU

Volume: 45

Issue: 1

Page Number: 159-162,182

ISSN: 1002-8331

Key Words: 支持向量机;核空间;文本分类

Abstract: 支持向量机在处理两类分类问题时,当两类样本混杂严重时会降低分类精度.在NN-SVM分类算法的基础上,通过计算样本点与其最近邻点类别的异同以及该点与其k个同类近邻点在核空间的平均距离修剪混淆点,进而提出了一种改进的NN-SVM算法--KCNN-SVM.实验数据表明,KCNN-SVM算法与SVM以及NN-SVM相比,有着更高的分类精度和更快的训练、分类时间.