基于改进AP-SVM算法的网络业务流分类

如何选取训练样本使得SVM达到更好的效果是机器学习中的一个难题。本文提出一种改进AP聚类算法，通过二分法不断扫描偏向参数P空间，得到最优的偏向参数P，以期得到更准确的聚类效果，从而选取更高质量的训练样本，使SVM达到更好的分类效果。实验结果显示与传统的SVM及AP—SVM分类器相比，本文的BAP—SVM能够得到更高质量的训练样本，从而得到更好的分类效果。