<正>為準確高效地對恐怖襲擊事件分類,揭露同類事件背后的恐怖組織,提出一種改進的結(jié)合OVOSVMs、OVRSVMs的多分類SVM算法。首先通過熵值法與頻率加權(quán)劃分樣本等級,再基于對函數(shù)值賦權(quán)以及結(jié)合OVOSVMs、OVRSVMs算法思想,將多分類問題轉(zhuǎn)化為二分類問題,最終兩兩比較,投票分類,數(shù)值賦權(quán),最大化取值,改進了傳統(tǒng)SVM多分類方法。以GTD數(shù)據(jù)庫樣本為例,比較Logistic回歸、樸素貝葉斯、OVRSVMs以及改進的多分類算法,實驗得到傳統(tǒng)的SVM多分類算法正確率為72.03%,改進后的多分類SVM算法的正確率為96.91%,驗證了改進多分類SVM算法的有效性。伴隨著恐怖主義勢力悄然滋長,當(dāng)前全球不確定性急劇增加,

【文章頁數(shù)】：3 頁

【文章目錄】：
1 確定類別集合與分類指標(biāo)
2 恐怖事件分類方法
    2.1 OVOSVMs算法
    2.2 OVRSVMs算法
    2.3 改進多分類SVM算法
3 實驗分析
4 結(jié)語



本文編號：3813687