一种具有容器性能的SVM多值分类器

基于ＳＶＭ理论的分类器已经发展成为一种通用的二值分类器，但是它地噪音数据非常敏感，而且不适用于多值分类场合，将标准的ＰＣＡ算法扩展到更普遍的领域，并提出了一种新的ＳＶＭ分类器学习结构，它使用扩展的ＰＣＡ算法对训练集数据进行降噪声射，产生一个新的数据集，然后通过０反称阵将一组二值分类器组合成一个多值分类器来处理该数据集，理论分析和试验表明该分类器学习效率高并且有很强的容器性能。