一种基于支持向量机的空间数据分类方法

一种基于支持向量机的空间数据分类方法

郑勇涛;刘玉树

【期刊名称】《计算机技术与发展》 【年(卷),期】2005(015)007

【摘要】支持向量机是基于小样本统计理论的一种新的机器学习方法,主要解决两分类问题.目前已成为机器学习领域的研究热点,但其应用方面的研究刚刚开始,在文本分类,图像分类、生物序列分析等方面得到成功应用.文章根据空间数据分类数据海量特点将SVM分类算法应用到炮阵地地形分析中,使得识别率大大提高.

【总页数】3页(76-78)

【关键词】空间数据挖掘;支持向量机;分类 【作者】郑勇涛;刘玉树

【作者单位】北京理工大学,计算机科学与工程系,北京,100081;北京理工大学,计算机科学与工程系,北京,100081 【正文语种】中文 【中图分类】TP391.6 【相关文献】

1.一种基于支持向量机的不确定性分类方法 [C], 赵英刚; 何钦铭; 浙江大学宁波理工学院信息科学与工程分院; 陈奇

2.基于数据挖掘的支持向量机围岩分类方法研究 [J], 杨帆; 许强; 戴岚欣 3.基于支持向量机的高速铁路电能质量数据分类方法研究 [J], 杨岑玉; 王同勋 4.基于支持向量机的空间数据拟合 [J], 冯杨民; 梁晶

5.一种基于改进的支持向量机的两类文本分类方法的研究 [J], 应伟; 王正欧; 安金龙

以上内容为文献基本信息，获取文献全文请下载