| 一种新的分类方法——属性均值聚类属性支持向量机(AMC-ASVM) |
| |
| 引用本文： | 孙喜晨,贺仁亚,封举富.一种新的分类方法——属性均值聚类属性支持向量机(AMC-ASVM)[J].北京大学学报(自然科学版)网络版(预印本),2006(2). |
| |
| 作者姓名： | 孙喜晨 贺仁亚 封举富 |
| |
| 作者单位： | 北京大学视觉与听觉信息处理国家重点实验室，北京大学数学科学学院信息科学系，北京大学视觉与听觉信息处理国家重点实验室 北京，100871，北京，100871，北京，100871 |
| |
| 基金项目： | 国家自然科学基金项目(60471054、60575002)，973项目基金(2004CB318000)，“新世纪优秀人才支持计划”资助项目 |
| |
| 摘 要： | 在属性均值聚类(AMC)与支持向量机(SVM)的基础上,提出了一个新的模式分类算法——基于(属性)聚类的属性支持向量机算法(AMC-ASVM)。主要思想是利用属性均值聚类网络得到的具有概率信息(权重)的样本,来训练属性支持向量机,从而得到分类器。这种方法结合了属性聚类的稳定性与属性支持向量机可以利用加权样本的优点,适合处理具有强噪声的数据。另外,该方法也可以看作是堆近邻分类法的自然推广。在实验部分,将其用于结肠癌基因表达数据的处理。实验结果显示了AMC-ASVM在一定程度上优于最近邻,Boosting,堆近邻,SVM等方法。
|
| 关 键 词： | 模式识别 属性均值聚类 支持向量机 基因表达数据 |
| 本文献已被 CNKI 等数据库收录！ |
|
