论文部分内容阅读
为提高支持向量机（support vector machine，SVM）算法对大规模数据的适应能力，加快SVM算法的分类速度，提出一种基于决策树的快速SVM分类方法。该方法的重点在于构建一棵决策树，将大规模问题分解为相对简单的子问题，树中节点由线性支持向量机组成，每个节点包含一个决策超平面，分类过程取决于节点的数量。此方法在分类复杂样本时避免了使用非线性核函数。并且由于使用线性核函数，则不用进行模型选择，进一步加快了样本的分类速度。实验表明，针对大规模多特征数据的非线性分类问题，该方法比传统方法具有更高的