期刊文献+

基于改进的支持向量机决策树电梯载重分类方法研究

下载PDF
导出
摘要 针对支持向量机决策算法(SVMDT)存在误差累积的缺陷,需要用优化算法来优化树结构以防止误差累积,常用的粒子群算法(PSO)往往存在陷入局部最优的问题。基于此,本文提出一种基于模拟退火的粒子群优化支持向量机决策树算法,该方法既保证了粒子群算法的全局寻优能力,又能避免防止陷入局部最优的缺陷。通过仿真实验与一些传统优化算法相比较后发现,该方法将分类精度有了一定的提高。
作者 吴与玮
出处 《中国设备工程》 2019年第22期192-194,共3页 China Plant Engineering
基金 江苏省前瞻性联合研究项目(BY2014023-25,BY2016022-28)
  • 相关文献

参考文献2

二级参考文献27

  • 1伍忠东,高新波,谢维信.基于核方法的模糊聚类算法[J].西安电子科技大学学报,2004,31(4):533-537. 被引量:75
  • 2唐发明,王仲东,陈绵云.支持向量机多类分类算法研究[J].控制与决策,2005,20(7):746-749. 被引量:90
  • 3Cortes C, Vapnik V. Support-vector Network[J]. Machine Learning, 1995, 20(3): 273-297.
  • 4Crammer K, Singer Y. On the Learnability and Design of Output Codes for Multiclass Problems [J]. Machine Learning, 2002, 47(2-3): 201-233.
  • 5Bottou L, Cortes C, Denker J, et al. Comparison of Classifier Methods : A Case Study in Handwriting Digit Recognition [C]//Proceeding of the 12th IEEE Conference on Pattern Recognition Los Alamitos, 1994.
  • 6Kreβel U. Pairwise Classification and Support Vector Machines [ C ]//Advances in Kernel Methods-Support Vector Learning Cambridge MA, 1999.
  • 7Platt J C, Cristianini N, Shawe-Taylor J. Large Margin DAGs for Multielass Classification [C]// Advances in Neural Information Processing Systems Cambridge MA, 2000.
  • 8Sungmoon C, Sang H O, Soo-Young L. Support Vector Machines with Binary Tree Achitecture for Multi-Class Classification[J]. Neural Information Processing-Letters and Reviews, 2004, 2 (3) : 47- 51.
  • 9Cheng L L, Zhang J P, Yang J,et al. An Improved Hierarchical Multi-class Support Vector Machine with Binary Tree Architecture[C]//Proceeding of International Conference on Internet Computing in Science and Engineering Los Alamitos, 2008.
  • 10Abe S. Analysis of Multiclass Support Vector Machines [C]//Proceeding of International Conference on Computatinal Intelligence for Modelling Control and Automation Viena, 2003.

共引文献97

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部