基于后验概率思想的多类支持向量机重构策略
在分析比较现有多分类支持向量机“一对一”(OVO)和“一对余”(OVR)分解法存在问题的基础上,提出一种新的利用二类支持向量机(SVM)实现多类分类器的后验概率重构策略,有效解决了传统重构策略所存在的不可分区域问题,并提高了识别率。首先,利用测试样本到超平面的空间距离作为估计分类器输出条件概率的准则,以减小不同二类SVM分类器之间的不可比性。其次,基于贝叶斯后验概率公式,给出了一种合并OVO分解中多个二类SVM分类器输出概率的重构策略,并考虑各二类SVM分类器之间先验概率的差异。最后,再利用OVR分解对该先验概率进行了估计。在UCI数据库上进行了验证,实验的结果表明所提重构策略具有更高的识别率。
支持向量机 重构 后验概率 不可分区域
吴德会
数字控制技术与应用江西省重点实验室,江西九江 332005;清华大学电机工程与应用电子技术系,北京 100084
国内会议
北京
中文
61-66
2008-10-22（万方平台首次上网日期，不代表论文的发表时间）