论文研究基于二分K均值的SVM决策树自适应分类方法.pdf

分析和研究了自适应降维算法在高维数据挖掘中的应用。针对已有数据挖掘算法因维灾难导致的在处理高维数据时准确率和聚类质量都较低的情况, 将二分K-均值聚类和SVM决策树算法结合在一起, 提出了一种适用于高维数据聚类的自适应方法BKM-SVMDT。该算法能保证二分K-均值聚类是在低维数据空间中进行, 其结果再反过来帮助SVM在高维空间中的执行, 这样反复执行以取得较好的分类精度和效率。标准数据集的实验结果证明了该方法的有效性。