一种基于关联规则的核粒度支持向量机

提出一种基于关联规则的核粒度支持向量机(association rules based kernel granular SVM,AR-KGSVM)学习算法。AR-KGSVM首先将输入空间中的样本用核函数映射到高维特征空间,然后在核特征空间挖掘基于距离度量的关联规则以划分粒。算法的粒划分和数据训练都是在高维核空间中进行,避免了一般的粒度支持向量机(granular SVM,GSVM)在低维空间作粒划分而在高维空间中训练,使数据分布不一致而导致泛化能力不高的问题。在标准数据集上的实验结果表明AR-KGSVM的泛化能力优于传统的SVM和GSVM方法。