一种基于概率机的多类别分类方法
多类别分类已经成为机器学习问题的重要组成部分.已经开发出很多的算法来解决这个问题.一种方法是直接将多类数据进行整体优化处理,而另外的更一般的方法是将多类问题转化为多个二类问题进行求解.其中最常用最一般的是:一对多(one-against-rest),一对一(one-against-rest)策略.但是之前的研究表明一对多性能普遍较低.本文提出了一个多类处理的一般方法,利用概率机的概率输出和间隔信息处理多类别分类问题,并运用最简单的一对多策略进行试验.试验表明我们的算法不仅克服了以往一对多的弱点,而且在性能效果方面超过了现有方法.本文最后指出,上述方法本质上是多个二类分类器的线性合成,并且提出一种更一般更有效的非线性模型来处理多类别问题,并取得了初步的效果.
多类别分类 最小最大概率机 核函数 机器学习 非线性模型
强琦 何钦铭 刘仰光
浙江大学计算机学院,杭州,310027 浙江大学计算机学院,杭州,310027;浙江大学宁波理工学院,宁波,315100
国内会议
武汉
中文
505-509
2005-09-20（万方平台首次上网日期，不代表论文的发表时间）