电子测量与仪器学报
電子測量與儀器學報
전자측량여의기학보
JOURNAL OF ELECTRONIC MEASUREMENT AND INSTRUMENT
2015年
4期
611-615
,共5页
王道明%鲁昌华%蒋薇薇%肖明霞%李必然
王道明%魯昌華%蔣薇薇%肖明霞%李必然
왕도명%로창화%장미미%초명하%리필연
支持向量机%粒子群算法%决策树%多分类
支持嚮量機%粒子群算法%決策樹%多分類
지지향량궤%입자군산법%결책수%다분류
support vector machine%particle swarm optimization%decision tree%multi-class classification
针对SVM多分类问题提出了一种基于粒子群算法的最优决策树SVM生成算法,以解决传统支持向量机多分类方法存在的不可分区域和误差积累现象。该方法利用自变异的PSO聚类算法在每一决策节点自动寻找最优或近优分类决策,将数据集划分为两类,直至叶子节点为止,最终根据最优决策树构建SVM多分类结构,训练各个节点SVM分类器。将该算法应用于图像人群密度分类问题,仿真实验表明,分类精度和分类时间得到明显改善,是一种有效地的多分类算法。
針對SVM多分類問題提齣瞭一種基于粒子群算法的最優決策樹SVM生成算法,以解決傳統支持嚮量機多分類方法存在的不可分區域和誤差積纍現象。該方法利用自變異的PSO聚類算法在每一決策節點自動尋找最優或近優分類決策,將數據集劃分為兩類,直至葉子節點為止,最終根據最優決策樹構建SVM多分類結構,訓練各箇節點SVM分類器。將該算法應用于圖像人群密度分類問題,倣真實驗錶明,分類精度和分類時間得到明顯改善,是一種有效地的多分類算法。
침대SVM다분류문제제출료일충기우입자군산법적최우결책수SVM생성산법,이해결전통지지향량궤다분류방법존재적불가분구역화오차적루현상。해방법이용자변이적PSO취류산법재매일결책절점자동심조최우혹근우분류결책,장수거집화분위량류,직지협자절점위지,최종근거최우결책수구건SVM다분류결구,훈련각개절점SVM분류기。장해산법응용우도상인군밀도분류문제,방진실험표명,분류정도화분류시간득도명현개선,시일충유효지적다분류산법。
This paper proposes a PSO-based decision tree SVM multi-class classification algorithm to resolve unclassi-fiable region and error accumulation phenomenon existing in traditional support vector machine multi-class classifica-tion method.PSO algorithm is used to cluster the dataset into two patterns on each node, search optimal or subopti-mal decision-tree automatically, and then construct the SVM classifier with the optimal decision tree.The algorithm is applied to the crowd density image classification problem .The simulation results show that classification accuracy and time are improved obviously, and it is an effective multi-class classification algorithm.