基于支持向量机和k-近邻分类器的多特征融合方法

？针对传统分类方法只采用一种分类器而存在的片面性，分类精度不高，以及支持向量机分类超平面附近点易错分的问题，提出了基于支持向量机（svm）和k近邻(knn)的多特征融合方法。在该算法中，设样本集特征可分为l组，先用svm算法根据训练集中每组特征数据构造分类超平面，共构造l个；其次用svmknn方法对测试集进行测试，得到由l组后验概率构成的决策轮廓矩阵；最后将其进行多特征融合，输出最终的分类结果。用鸢尾属植物数据进行了数值实验，实验结果表明：采用基于svmknn的多特征融合方法比单独使用一种svm或svmknn方法的平均预测精度分别提高了28.7%和1.9%。