计算机应用与软件
計算機應用與軟件
계산궤응용여연건
COMPUTER APPLICATIONS AND SOFTWARE
2008年
12期
226-228
,共3页
支持向量机%多类分类%无监督聚类%二叉树
支持嚮量機%多類分類%無鑑督聚類%二扠樹
지지향량궤%다류분류%무감독취류%이차수
层次支持向量机(SVM)是多类分类方法应用中的研究热点.针对SVM的分类面仅由支持向量决定的理论,提出一种基于无监督聚类方法来预抽取支持向量,训练向量机;并分析现有多类分类方法所存在的弊端,基于综合考虑节点的类集合可分性,设计一种基于树分类器整体性能最优的SVM二叉树层次分类方法.实验表明,该方法对比传统一类对余类法和成对分类法在整体分类精度和训练时间上都有明显提高.
層次支持嚮量機(SVM)是多類分類方法應用中的研究熱點.針對SVM的分類麵僅由支持嚮量決定的理論,提齣一種基于無鑑督聚類方法來預抽取支持嚮量,訓練嚮量機;併分析現有多類分類方法所存在的弊耑,基于綜閤攷慮節點的類集閤可分性,設計一種基于樹分類器整體性能最優的SVM二扠樹層次分類方法.實驗錶明,該方法對比傳統一類對餘類法和成對分類法在整體分類精度和訓練時間上都有明顯提高.
층차지지향량궤(SVM)시다류분류방법응용중적연구열점.침대SVM적분류면부유지지향량결정적이론,제출일충기우무감독취류방법래예추취지지향량,훈련향량궤;병분석현유다류분류방법소존재적폐단,기우종합고필절점적류집합가분성,설계일충기우수분류기정체성능최우적SVM이차수층차분류방법.실험표명,해방법대비전통일류대여류법화성대분류법재정체분류정도화훈련시간상도유명현제고.
