声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：61-1525/N
国际刊号：2097-1915
发布日期:
作者：王瑞,向新,肖冰松
单位：空军工程大学航空工程学院,西安,710038\
关键词：线性支持向量机;核支持向量机;低阶多项式映射;隐性信息;特征加权;模糊熵
针对传统线性支持向量机在训练数据集时均等对待每一维输入特征，以及在原始空间直接分类造成预测准确率低的问题，提出低阶多项式数据映射和特征加权相结合的方法，来提高线性支持向量机的分类性能。该方法首先将每个样本映射到多项式核对应的2阶显式特征空间，从而增加样本的隐性信息，然后使用模糊熵特征加权算法计算每一维特征的权重，通过权重衡量特征对分类结果的贡献大小。从不同数据库选取7个数据集进行测试，在训练时间和预测准确率2个方面将该方法与核支持向量机、线性支持向量机的其他改进算法进行比较。结果显示，随着数据集规模的扩大，训练时间降低一个数量级，预测准确率在一些数据集上取得与核支持向量机相接近的效果。结果表明：所提方法可以有效提高线性支持向量机的整体性能。
来源：2019年第4期
《空军工程大学学报》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。