Journal of Systems Engineering and Electronics ›› 2011, Vol. 33 ›› Issue (11): 2558-2563.doi: 10.3969/j.issn.1001-506X.2011.11.40
崔建1, 李强1, 刘勇2, 宗大伟3
CUI Jian1, LI Qiang1, LIU Yong2, ZONG Da-wei3
摘要:
为提高支持向量机(support vector machine, SVM)算法对大规模数据的适应能力,加快SVM算法的分类速度,提出一种基于决策树的快速SVM分类方法。该方法的重点在于构建一棵决策树,将大规模问题分解为相对简单的子问题,树中节点由线性支持向量机组成,每个节点包含一个决策超平面,分类过程取决于节点的数量。此方法在分类复杂样本时避免了使用非线性核函数。并且由于使用线性核函数,则不用进行模型选择,进一步加快了样本的分类速度。实验表明,针对大规模多特征数据的非线性分类问题,该方法比传统方法具有更高的速度。
中图分类号: