基于密度聚类的支持向量机分类算法
武方方，赵银亮，蒋泽飞
（西安交通大学新型计算机研究所，710049,西安）
摘要:为了解决支持向量机的分类仅应用于较小样本集的问题，提出了一种密度聚类与支持向量机相结合的分类算法.在密度聚类中，当一个样本点不存在拟密度可达的样本点，则其显著特征即表现为该簇的边缘点，将该点加入约简集合，直至选出样本集合中的所有边缘对象，然后再利用约简集合寻找支持向量.实验表明，采用该算法，分类的准确率可从基于无监督聚类的支持向量机算法的86.81%提升至95.43%，核函数计算量由原数量级109下降到106以下，采取限制密度聚类中的核心点ε-邻域内的反例百分比的方法，可以增加约简样本的个数，可将分类准确率提高5%～8%左右.
关键词:支持向量机；密度聚类；ε-邻域
中图分类号:TP301.6文献标识码:A文章编号:0253-987X(2005)12-1319-04