微电子学与计算机
微電子學與計算機
미전자학여계산궤
MICROELECTRONICS & COMPUTER
2004年
10期
149-152
,共4页
支撑向量机%多类分类%特征提取
支撐嚮量機%多類分類%特徵提取
지탱향량궤%다류분류%특정제취
基于结构风险最小化原则的支撑向量机(SVM)具有良好的学习推广性,但是由于常规的SVM是从二类分类问题中推导出来的,在多类分类问题中就必须进行改进.文中讨论了支撑向量机的多类分类改进方法,运用在手写体数字识别中,并取得较好的结果.
基于結構風險最小化原則的支撐嚮量機(SVM)具有良好的學習推廣性,但是由于常規的SVM是從二類分類問題中推導齣來的,在多類分類問題中就必鬚進行改進.文中討論瞭支撐嚮量機的多類分類改進方法,運用在手寫體數字識彆中,併取得較好的結果.
기우결구풍험최소화원칙적지탱향량궤(SVM)구유량호적학습추엄성,단시유우상규적SVM시종이류분류문제중추도출래적,재다류분류문제중취필수진행개진.문중토론료지탱향량궤적다류분류개진방법,운용재수사체수자식별중,병취득교호적결과.