一种改进的层次SVM多类分类方法
提出了一种基于特征空问相对可分性的层次支持向量机多类分类方法,解决了现有算法存在的不可分区域问题。在特征空间中以样本类别的相对可分性为权值构造最小生成树,确定类别的划分顺序,有选择地构造训练样本集和SVM分类器,最终形成一种分类间隔较大的二叉树形多值SVM分类器。仿真实验结果表明,该方法具有较快的测试速度、良好的分类准确率和推广性能。
支持向量机 多类分类 最小生成树
程丽丽 张健沛 杨静 马骏
哈尔滨工程大学 计算机科学与技术学院 黑龙江 哈尔滨 150001
国内会议
苏州
中文
165-170
2007-11-01(万方平台首次上网日期,不代表论文的发表时间)