摘要：随着现实生活中数据集规模的不断增大,提出一个有效的分类算法势在必行。现今很多已有的算法是针对减少支持向量的数目来提高分类的效率,文章提出了一个基于决策树的支持向量机算法,旨在通过减少测试集的数目来提高支持向量机在测试阶段的分类速度。基于决策树的支持向量机算法的思想是利用决策树算出支持向量机的大致决策边界,决策树上含有单变量节点和SVM节点,支持向量机用来对靠近决策边界的重要的数据点进行分类,剩下的相对不重要的数据点用决策树对其进行快速分类。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
