Hits:

Indexed by:期刊论文

Date of Publication:2009-01-01

Journal:计算机工程与应用

Included Journals:PKU、ISTIC、CSCD

Volume:45

Issue:1

Page Number:159-162,182

ISSN No.: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.