计算机工程与科学
計算機工程與科學
계산궤공정여과학
Computer Engineering and Science
2015年
9期
1777-1782
,共6页
陈青锋%秦拯%何流%陈麟
陳青鋒%秦拯%何流%陳麟
진청봉%진증%하류%진린
支持向量机%多分类%DAG-SVM%结构选择
支持嚮量機%多分類%DAG-SVM%結構選擇
지지향량궤%다분류%DAG-SVM%결구선택
support vector machine%multi-classification%DAG-SVM%structure selection
支持向量机SVM是目前最流行的二分类算法之一.现实生活中数据集大多要求能够进行多分类,而有向无环图DAG方法是将SVM应用扩展到多分类的用得最多的方式之一,它调用分类器次数较少,执行速度快,但是由于有错误向下累积和分类偏向性等情况存在,会影响DAG分类结果的准确度.在使用DAG-SVM的时候,对于k种类别有k!种不同的备选结构,根据数据集特性选择合适的DAG结构能够有效提高结果的准确度.提出使用估计准确度的方法,从备选结构中用穷举法选择出最高准确度估计值的DAG结构,以此作为测试集的结构进行分类.实验结果表明,相较其它方法,测试数据集采用该方法选择的DAG结构后的分类准确性得到显著提高,在对类别数量不太多的数据集进行多类分类时有较好的效果.
支持嚮量機SVM是目前最流行的二分類算法之一.現實生活中數據集大多要求能夠進行多分類,而有嚮無環圖DAG方法是將SVM應用擴展到多分類的用得最多的方式之一,它調用分類器次數較少,執行速度快,但是由于有錯誤嚮下纍積和分類偏嚮性等情況存在,會影響DAG分類結果的準確度.在使用DAG-SVM的時候,對于k種類彆有k!種不同的備選結構,根據數據集特性選擇閤適的DAG結構能夠有效提高結果的準確度.提齣使用估計準確度的方法,從備選結構中用窮舉法選擇齣最高準確度估計值的DAG結構,以此作為測試集的結構進行分類.實驗結果錶明,相較其它方法,測試數據集採用該方法選擇的DAG結構後的分類準確性得到顯著提高,在對類彆數量不太多的數據集進行多類分類時有較好的效果.
지지향량궤SVM시목전최류행적이분류산법지일.현실생활중수거집대다요구능구진행다분류,이유향무배도DAG방법시장SVM응용확전도다분류적용득최다적방식지일,타조용분류기차수교소,집행속도쾌,단시유우유착오향하루적화분류편향성등정황존재,회영향DAG분류결과적준학도.재사용DAG-SVM적시후,대우k충유별유k!충불동적비선결구,근거수거집특성선택합괄적DAG결구능구유효제고결과적준학도.제출사용고계준학도적방법,종비선결구중용궁거법선택출최고준학도고계치적DAG결구,이차작위측시집적결구진행분류.실험결과표명,상교기타방법,측시수거집채용해방법선택적DAG결구후적분류준학성득도현저제고,재대유별수량불태다적수거집진행다류분류시유교호적효과.