摘要：針對傳統(tǒng)線性支持向量機(jī)在訓(xùn)練數(shù)據(jù)集時均等對待每一維輸入特征,以及在原始空間直接分類造成預(yù)測準(zhǔn)確率低的問題,提出低階多項式數(shù)據(jù)映射和特征加權(quán)相結(jié)合的方法,來提高線性支持向量機(jī)的分類性能。該方法首先將每個樣本映射到多項式核對應(yīng)的2-階顯式特征空間,從而增加樣本的隱性信息,然后使用模糊熵特征加權(quán)算法計算每一維特征的權(quán)重,通過權(quán)重衡量特征對分類結(jié)果的貢獻(xiàn)大小。從不同數(shù)據(jù)庫選取7個數(shù)據(jù)集進(jìn)行測試,在訓(xùn)練時間和預(yù)測準(zhǔn)確率2個方面將該方法與核支持向量機(jī)、線性支持向量機(jī)的其他改進(jìn)算法進(jìn)行比較。結(jié)果顯示,隨著數(shù)據(jù)集規(guī)模的擴(kuò)大,訓(xùn)練時間降低一個數(shù)量級,預(yù)測準(zhǔn)確率在一些數(shù)據(jù)集上取得與核支持向量機(jī)相接近的效果。結(jié)果表明:所提方法可以有效提高線性支持向量機(jī)的整體性能。