计算机工程与设计
計算機工程與設計
계산궤공정여설계
COMPUTER ENGINEERING AND DESIGN
2008年
22期
5786-5788,5791
,共4页
支持向量机%序贯最小化算法%二又树支持向量机%K-近邻%SBA
支持嚮量機%序貫最小化算法%二又樹支持嚮量機%K-近鄰%SBA
지지향량궤%서관최소화산법%이우수지지향량궤%K-근린%SBA
采用二又树结构对多个二值支持向量机子分类器组合,可实现多类问题的分类,并且还可克服传统(SVM)多类算法存在的不可分区域的情况.为了加快大规模数据样本分类时的训练速度以及减少分类的时间复杂度,将一种新的二分类算法--SBA应用于改进的BTS-KNN算法中,可以构造出更加平衡的分类二叉树以减少分类次数.实验结果表明,在进行大规模样本数据分类时,该算法在保证分类精度的情况下分类速度有明显提高.
採用二又樹結構對多箇二值支持嚮量機子分類器組閤,可實現多類問題的分類,併且還可剋服傳統(SVM)多類算法存在的不可分區域的情況.為瞭加快大規模數據樣本分類時的訓練速度以及減少分類的時間複雜度,將一種新的二分類算法--SBA應用于改進的BTS-KNN算法中,可以構造齣更加平衡的分類二扠樹以減少分類次數.實驗結果錶明,在進行大規模樣本數據分類時,該算法在保證分類精度的情況下分類速度有明顯提高.
채용이우수결구대다개이치지지향량궤자분류기조합,가실현다류문제적분류,병차환가극복전통(SVM)다류산법존재적불가분구역적정황.위료가쾌대규모수거양본분류시적훈련속도이급감소분류적시간복잡도,장일충신적이분류산법--SBA응용우개진적BTS-KNN산법중,가이구조출경가평형적분류이차수이감소분류차수.실험결과표명,재진행대규모양본수거분류시,해산법재보증분류정도적정황하분류속도유명현제고.
