改进支持向量机在特征数据挖掘中的智能应用

作者：何洋

来源：九江学院学报(自然科学版), 2022, 37(02): 80-83.

DOI：10.19717/j.cnki.jjun.2022.02.019

• 支持向量机
• 模糊算法
• 遗传算法
• 特征数据
• 挖掘

当前海量数据挖掘过程中特征数据无法精准选择、特征数据分类效率等问题显著，导致数据挖掘误差大，为此提出改进的支持向量机特征数据挖掘方法.首先明确支持向量机选择和约简特征空间的原理；其次构建模糊支持向量机算法，基于样本不平衡特征与样本重要程度确定差异性权值，使用遗传算法确定最优的支持向量机惩罚参数与核参数；最终将特征挖掘结果传递至数据挖掘算法作为分类输入样本，实现海量应用数据的智能挖掘.测试结果表明：遗传算法进化到15次开始收敛至最优解，可减少支持向量机挖掘特征数据的时间开销；该方法挖掘数据的平均F-measure值最高，在特征数据挖掘方面具有优越性.

• 出版日期2022
• 单位滁州城市职业学院