基于SVM的多类分类算法改进 |
| |
引用本文: | 王忠,王春丽,刘莉.基于SVM的多类分类算法改进[J].武汉工程大学学报,2010,32(7):89-93. |
| |
作者姓名: | 王忠 王春丽 刘莉 |
| |
作者单位: | 1. 武汉工程大学计算机科学与技术学院,湖北,武汉,430074 2. 湖北水利水电职业技术学院,湖北,武汉,430070 |
| |
摘 要: | 在各种基于支持向量机的多类分类算法中,基于二叉树的多类支持向量机分类算法训练和分类速度相对较快,且解决了不可分问题,是一种很好的方法.本文系统研究和分析了基于二叉树的多类支持向量机分类算法,并在此基础上对其作出了改进,即当测试文本集规模较大时,对其先聚类再分类.改进的目的是,使测试文本不必总是从二叉树的根结点开始进行判断,而是有指导的代入分类函数中计算.在测试文本集规模较大,分类函数个数较多时,可以很大程度上增加分类效率,并加大了文本正确分类的概率.
|
关 键 词: | 支持向量机 分类算法 统计学习 二叉树 |
Improvement on bintree multi-class categorization algorithm based on SVM |
| |
Authors: | WANG Zhong WANG Chun-li LIU-li |
| |
Abstract: | |
| |
Keywords: | |
本文献已被 维普 万方数据 等数据库收录! |
|