论文部分内容阅读
分类决策树的归纳是一种重要的数据挖掘算法。支持向量机(SVM)基于结构风险最小化原则,具有在经验风险和泛化能力之间良好的折衷能力。它以其良好的性能,在分类领域得到越来越广泛的应用。支持向量机与决策树方法结合起来能够实现多类问题域的分类。本文在经典SVM决策树分类算法的基础上,通过核函数把SVM推广到非线性SVM,提出了基于NSVM的决策树分类算法。实验结果表明该方法具备很好的可行性和有效性。