计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2008年
5期
177-179
,共3页
模式分类%支持向量机%多类分类%计算复杂度
模式分類%支持嚮量機%多類分類%計算複雜度
모식분류%지지향량궤%다류분류%계산복잡도
研究了支持向量机多类算法DAGSVM(Direct Acyclic Graph SVM)的速度优势,提出了结合DAGSVM和简化支持向量技术的一种快速支持向量机多类分类方法.该方法一方面减少了一次分类所需的两类支持向量机的数量,另一方面减少了支持向量的数量.实验采用UCI和Statlog数据库的多类数据,并和四种多类方法进行比较,结果表明该方法能有效地加快分类速度.
研究瞭支持嚮量機多類算法DAGSVM(Direct Acyclic Graph SVM)的速度優勢,提齣瞭結閤DAGSVM和簡化支持嚮量技術的一種快速支持嚮量機多類分類方法.該方法一方麵減少瞭一次分類所需的兩類支持嚮量機的數量,另一方麵減少瞭支持嚮量的數量.實驗採用UCI和Statlog數據庫的多類數據,併和四種多類方法進行比較,結果錶明該方法能有效地加快分類速度.
연구료지지향량궤다류산법DAGSVM(Direct Acyclic Graph SVM)적속도우세,제출료결합DAGSVM화간화지지향량기술적일충쾌속지지향량궤다류분류방법.해방법일방면감소료일차분류소수적량류지지향량궤적수량,령일방면감소료지지향량적수량.실험채용UCI화Statlog수거고적다류수거,병화사충다류방법진행비교,결과표명해방법능유효지가쾌분류속도.
