[1]滕少华,胡俊,张巍,等.支持向量机与哈夫曼树实现多分类的研究[J].江西师范大学学报(自然科学版),2014,(04):383-389.
　TENG Shao-hua,HU Jun,ZHANG Wei,et al.The Research of Multi-Classification Based on SVM and Huffnan Tree[J].Journal of Jiangxi Normal University:Natural Science Edition,2014,(04):383-389.
点击复制

支持向量机与哈夫曼树实现多分类的研究()
分享到：

《江西师范大学学报》（自然科学版）[ISSN:1006-6977/CN:61-1281/TN]

卷:
期数:
2014年04期
页码:
383-389
栏目:
出版日期:
2014-08-31

文章信息/Info

Title:
The Research of Multi-Classification Based on SVM and Huffnan Tree
作者:
滕少华;胡俊;张巍;刘冬宁
广东工业大学计算机学院,广东 广州,510006
Author(s):
TENG Shao-hua；HU Jun；ZHANG Wei；LIU Dong-ning
关键词:
决策树; 支持向量机; 相异度; 哈夫曼树
Keywords:
decision tree; support vector machine; dissimilarity; Huffman tree
分类号:
TP311
文献标志码:
A
摘要:
提出了基于哈夫曼树的支持向量机多分类方法，该方法首先将1个多分类问题分解为多个2分类问题，针对每个2分类问题使用支持向量机2分类方法解决；然后根据相异度来决策分类的优先顺序，构建基于哈夫曼树的支持向量机多分类模型；最后使用勒卡斯开源数据集进行验证，并将它与传统的支持向量机多分类方法进行实验比较。实验结果表明：新的方法在分类速度和分类精度上较传统的支持向量机多分类方法优越。
Abstract:
A new multi-classification method which conducts a multi-classification model based on Huffman tree and SVM is proposed. It divides a multi-classification problem into multiple binary classification problems and gives classification priority depending on the dissimilarity. At last,an experiment with Lecast open source data sets verifies the effectiveness. The experimental results show that the new method has a superior effect than the traditional multi-classification method in classification speed and classification accuracy.

参考文献/References:

[1] 王燕爽.分类能力与学习成绩 [D].吉林:东北师范大学,2006.
[2] Teng Shaohua,Du Hongle,Wu Naiqi.A cooperative network intrusion detection based on fuzzy SVMs [J].Journal of Networks,2010,5(4):475-483.
[3] Zhang Wei,Teng Shaohua,Zhu Haibin.Fuzzy multi-class support vector machines for cooperative network intrusion detection [C]//Proceedings of the 9 IEEE International Conferenceon Cognitive Informatics(ICCI),Beijing,2010:811-818
[4] 杜红乐.基于支持向量机的协同入侵检测 [D].广州:广东工业大学,2009.
[5] 刁智华,赵春江,郭新宇.一种新的基于平衡决策树的SVM多类分类算法 [J].控制与决策,2011,26(1):149-152.
[6] Lin Fuming,Guo Jun.Improving support vector machine by preprocessing data with decision tree [C]//Computer Science and Service System(CSSS),Nanjin,2011:467-469.
[7] 崔建,李强,刘勇.基于决策树的快速SVM分类方法 [J].系统工程与电子技术,2011,33(11):2558-2563.
[8] 赵天昀.一种改进的SVM决策树文本分类算法 [J].情报杂志,2010,29(8):1002-1965.
[9] 厉小润,赵光宙,赵辽英.决策树支持向量机多分类器设计的向量投影法 [J].控制与决策,2008,23(7):745-750.
[10]裘国永,张娇.基于2分K-均值的SVM决策树自适应分类方法 [J].计算机应用研究,2012,29(10):3685-3687,3709
[11]张先武,郭雷.一种新的支持向量机决策树设计算法 [J].火力与指挥控制,2010,35(10):31-35.
[12]乔增伟,孙卫祥.一种基于支持向量机决策树多类分类器 [J].计算机应用与软件,2009,26(11):227-230
[13]第一届勒卡斯杯数据挖掘竞赛(上海站)[EB/OL].
[2012-05-12].http://ledmclub.engagecloud.net/.
[14]柯丽,王明文,何世柱,等.基于频率共现熵的跨语言网页自动分类研究 [J].江西师范大学学报:自然科学版,2011,35(3):240-245.

相似文献/References:

[1]何慧,胡小红,覃华,等.用核K-means聚类减样法优化半定规划支持向量机[J].江西师范大学学报(自然科学版),2013,(06):574.
　HE Hui,HU Xiao-hong,QIN Hua,et al.Using Kernel K-Means Clustering Reducing Method for the Optimization of Semi-Definite Programming SVM[J].Journal of Jiangxi Normal University:Natural Science Edition,2013,(04):574.
[2]王 卓,聂 斌*,罗计根,等.调和平均优化选择划分属性的决策树改进算法[J].江西师范大学学报(自然科学版),2018,(04):384.[doi:10.16357/j.cnki.issn1000-5862.2018.04.11]
　WANG Zhuo,NIE Bin*,LUO Jigen,et al.The Improvement Decision Tree Algorithm for Harmonic Mean Optimization on Selection Attributes[J].Journal of Jiangxi Normal University:Natural Science Edition,2018,(04):384.[doi:10.16357/j.cnki.issn1000-5862.2018.04.11]

备注/Memo

备注/Memo:
教育部重点实验室基金(110411)；广东省自然科学基金(10451009001004804，9151009001000007)；广东省科技计划(2012B091000173)
更新日期/Last Update: 1900-01-01