一种新的分类方法——属性均值聚类属性支持向量机(AMC-ASVM)

北京大学学报（自然科学版）

一种新的分类方法——属性均值聚类属性支持向量机(AMC-ASVM)

孙喜晨¹,贺仁亚²,封举富¹

收稿日期:2006-02-02 出版日期:2007-01-20 发布日期:2007-01-20

A Novel Classification Method—AMC-ASVM

SUN Xichen¹,HE Renya²,FENG Jufu¹

Received:2006-02-02 Online:2007-01-20 Published:2007-01-20

摘要/Abstract

摘要： 在属性均值聚类(AMC)与支持向量机(SVM)的基础上,提出了一个新的模式分类算法——基于(属性)聚类的属性支持向量机算法(AMC-ASVM)。主要思想是利用属性均值聚类网络得到的具有概率信息(权重)的样本,来训练属性支持向量机,从而得到分类器。这种方法结合了属性聚类的稳定性与属性支持向量机可以利用加权样本的优点,适合处理具有强噪声的数据。另外,该方法也可以看作是堆近邻分类法的自然推广。在实验部分,将其用于结肠癌基因表达数据的处理。实验结果显示了AMC-ASVM在一定程度上优于最近邻, Boosting, 堆近邻, SVM等方法。

关键词: 模式识别, 属性均值聚类, 支持向量机, 基因表达数据

Abstract: A novel pattern classification method, named AMC-ASVM, was proposed based on Attribute Mean Clustering and Support Vector Machine. The advantages of AMC-ASVM include robustness and high efficiency. AMC ASVM is the natural extension of Cluster Nearest Neighbor Classification as well. Application in Microarray Analysis shows the performance of the present method.

Key words: pattern recognition, attribute mean clustering, support vector machine, gene exp ression data

中图分类号:

TP391.4
O235

孙喜晨,贺仁亚,封举富. 一种新的分类方法——属性均值聚类属性支持向量机(AMC-ASVM)[J]. 北京大学学报（自然科学版）.

SUN Xichen,HE Renya,FENG Jufu. A Novel Classification Method—AMC-ASVM[J]. Acta Scientiarum Naturalium Universitatis Pekinensis.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: https://xbna.pku.edu.cn/CN/

https://xbna.pku.edu.cn/CN/Y2007/V43/I1/82

[1]	任婷玉, 梁中耀, 陈会丽, 刘永. 基于模式识别方法的湖泊水质污染特征聚类研究[J]. 北京大学学报自然科学版, 2019, 55(2): 335-341.
[2]	许浩亮, 李雁群, 何云琪, 钱龙华. 中文嵌套命名实体关系抽取研究[J]. 北京大学学报自然科学版, 2019, 55(1): 8-14.
[3]	刘思叶, 田原, 冯雨宁, 庄育龙. 游客微博主题情感分析方法比较研究[J]. 北京大学学报自然科学版, 2018, 54(4): 687-692.
[4]	宋佳颖, 黄旭, 付国宏. 基于词语情感隶属度特征的情感极性分类[J]. 北京大学学报（自然科学版）, 2016, 52(1): 171-177.
[5]	胡韧奋,诸雨辰. 唐诗题材自动分类研究[J]. 北京大学学报（自然科学版）, 2015, 51(2): 262-268.
[6]	陈炜亮,孙晓. 基于MFCCG-PCA的语音情感识别[J]. 北京大学学报（自然科学版）, 2015, 51(2): 269-274.
[7]	吴金勇,赵勇,王一科,袁誉乐,张兴. 基于多粒度感知SVM的复杂场景人车分类方法[J]. 北京大学学报（自然科学版）, 2013, 49(3): 404-408.
[8]	汪廷华,赵东岩,张琼. 多类核极化及其在多宽度RBF核参数选择中的应用[J]. 北京大学学报（自然科学版）, 2012, 48(5): 727-731.
[9]	张西雅,徐海卿,李培军. 运用EO-1 Hyperion数据和单类支持向量机方法提取岩性信息[J]. 北京大学学报（自然科学版）, 2012, 48(3): 411-418.
[10]	尚坤,李培军,程涛. 基于合成核支持向量机的高光谱土地覆盖分类[J]. 北京大学学报（自然科学版）, 2011, 47(1): 109-114.
[11]	庞九凤,李险峰,谢劲松,佟冬,程旭. 基于支持向量机的微体系结构设计空间探索[J]. 北京大学学报（自然科学版）, 2010, 46(1): 55-63.
[12]	贺仁亚,程乾生,孙喜晨. 属性均值聚类二叉树及其在人脸识别中的应用[J]. 北京大学学报（自然科学版）, 2002, 38(5): 616-621.