一种高斯区间核SVM分类模型

发布时间：2019-11-03 21:17

【摘要】：区间型数据(Interval data,ID)是属性特征取值为区间的一类数据,针对区间型数据的分类问题,本文提出一种高斯区间核支持向量机分类模型(Support vector machine based on Gauss interval kernel,GIK_SVM)。该方法引入半宽因子,在区间型数据的中值与半宽度之间进行折中,并据此构造高斯区间核用以衡量两个区间型数据间的相似性,然后用SVM模型进行分类。在人造数据集和真实数据集上的实验结果表明,本文提出的算法对区间数据有更好的分类性能。

【相似文献】

相关期刊论文 前4条

1 郭凯红;牟有静;;基于可能度矩阵的区间型多属性决策方法[J];计算机应用;2012年01期

2 苏艳;刘s叛，

本文编号：2555279