一种基于支持向量机的数据分类方法及系统

摘要

本发明公开了一种基于支持向量机的数据分类方法及系统，包括以下步骤：获取待分类数据，采用改进投票率的基于完全随机森林的噪声滤波学习方法进行数据清洗去除待分类数据中的噪声，得到无噪声待分类数据集；对无噪声待分类数据集进行线性映射，得到无噪声线性数据集，通过将惩罚系数设置为其取值范围内的最大值来修正SVM模型；将无噪声线性数据集作为支持向量机的训练集输入到修正后的SVM模型中进行训练和分类，得到数据的分类结果，通过优化投票机制改进了CRF‑NFL的投票机制，并将CRF‑NFL和SVM结合，使得分类器对噪声样本能有更好的识别，使CRF‑NFL更有效地过滤类噪声，从而提高分类器的验证精度。