广东工业大学学报
廣東工業大學學報
엄동공업대학학보
JOURNAL OF GUANGDONG UNIVERSITY OF TECHNOLOGY
2014年
2期
36-42
,共7页
胡俊%滕少华%张巍%刘冬宁
鬍俊%滕少華%張巍%劉鼕寧
호준%등소화%장외%류동저
决策树%支持向量机%相异度%哈夫曼树
決策樹%支持嚮量機%相異度%哈伕曼樹
결책수%지지향량궤%상이도%합부만수
decision tree%support vector machine%dissimilarity%Huffman tree
基于支持向量机和决策树的多分类方法存在错误累积问题,累积的错误往往使分类准确率下降,分类效果变差.在仔细分析了其产生错误累积原因的基础上,提出了基于哈夫曼树的支持向量机多分类方法.该方法首先将一个多分类问题分解为多个二分类问题,针对每个二分类问题使用支持向量机二分类方法解决;然后根据相异度来决策分类的优先顺序,构建基于哈夫曼树的支持向量机多分类模型;最后使用勒卡斯开源数据集进行验证,并将它与传统的支持向量机多分类方法进行实验比较.实验结果表明,新的方法在分类速度和分类精度上较传统的支持向量机多分类方法优越.
基于支持嚮量機和決策樹的多分類方法存在錯誤纍積問題,纍積的錯誤往往使分類準確率下降,分類效果變差.在仔細分析瞭其產生錯誤纍積原因的基礎上,提齣瞭基于哈伕曼樹的支持嚮量機多分類方法.該方法首先將一箇多分類問題分解為多箇二分類問題,針對每箇二分類問題使用支持嚮量機二分類方法解決;然後根據相異度來決策分類的優先順序,構建基于哈伕曼樹的支持嚮量機多分類模型;最後使用勒卡斯開源數據集進行驗證,併將它與傳統的支持嚮量機多分類方法進行實驗比較.實驗結果錶明,新的方法在分類速度和分類精度上較傳統的支持嚮量機多分類方法優越.
기우지지향량궤화결책수적다분류방법존재착오루적문제,루적적착오왕왕사분류준학솔하강,분류효과변차.재자세분석료기산생착오루적원인적기출상,제출료기우합부만수적지지향량궤다분류방법.해방법수선장일개다분류문제분해위다개이분류문제,침대매개이분류문제사용지지향량궤이분류방법해결;연후근거상이도래결책분류적우선순서,구건기우합부만수적지지향량궤다분류모형;최후사용륵잡사개원수거집진행험증,병장타여전통적지지향량궤다분류방법진행실험비교.실험결과표명,신적방법재분류속도화분류정도상교전통적지지향량궤다분류방법우월.
