一种基于EEMD-ICA-SVM的数据分类方法

摘要

本发明涉及基于EEMD‑ICA‑SVM的数据分类方法，属于数据挖掘与机器学习领域，其特征在于采用如下步骤：(1)选取一个数据信号并给数据信号加入高斯白噪声；(2)确定原始数据的局部均值函数和剩余信号；(3)确定IMF分量；(4)确定残余函数；(5)确定集合经验模态分量；(6)建立ICA数学模型；(7)构建SVM分类模型；(8)选择合适的核函数。本发明克服了小波分解自适应较差和EMD分解的模态混叠与端点效应问题，特征提取更准确，将SVM模型进行非线性变换，模型精简且具有优秀的泛化能力，降低了对数据规模和数据分布的要求，为数据分类领域提供了一种拥有较高分类准确率的方法。