改进的决策树支持向量机地下水水质评价

基于结构风险最小原理的支持向量机(SVM)具有较强的学习泛化能力和良好的分类性能,能用来解决少样本学习的二类模式识别问题。针对具备多级类别的地下水水质评价问题,可以采用决策树SVM分类方法,通过对多类别水质标准的重新组合以构建类似于决策树的多个子分类器来实现。但基于决策树SVM分类过程中常常会出现由于正负类训练样本数据不均一导致的局部识别误差。基于二叉树原理提出了一种改进决策树SVM模型,通过加密数据插值和二叉分类有效避免正负类训练样本数据不均一的问题,针对地下水水质评价特点,增加了第5个子分类器以精确识别Ⅱ类水质和Ⅲ类水质。实验结果表明,改进的决策树SVM分类模型评价结果稳定。

基于GA参数寻优的决策树支持向量机生态环境质量评价方法

选取决策树作为支持向量机多类分类方法,选择径向基核函数建立了生态环境质量决策树支持向量机评价模型,基于遗传算法实现了惩罚因子、核函数参数的自适应优选,并运用建立的模型对我国主要省市生态环境质量进行了评价。研究结果表明,该方法可以较好地实现生态环境质量评价。