多类支持向量机分类器对比研究

被引：35

作者：

薛宁静

机构：

[1] 延安大学计算中心

来源：

计算机工程与设计 | 2011年 / 32卷 / 05期

关键词：

多类分类; 一对一; 一对多; 导向无环图; 二叉树;

D O I：

10.16208/j.issn1000-7024.2011.05.080

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

摘要：

为了解决多类支持向量机的选型问题,降低多类分类问题的难度,对4种常用的多类支持向量机进行了对比研究。从多类支持向量机的构造原理出发,对多类支持向量机的训练复杂度、测试复杂度和分类准确率进行了理论分析。在此基础上,利用标准数据集对多类支持向量机进行试验分析,结果表明,导向无环图支持向量机的分类准确率最高,二叉树支持向量机的实时性最优。

引用

页码：1792 / 1795

页数：4

共 10 条

[1] 多类支持向量机的病毒行为检测方法
韩兰胜
邹梦松
刘其文
刘铭
[J]. 计算机应用, 2010, 30 (01) : 181 - 185
[2] 小波支持向量机在滚动轴承故障诊断中的应用
郭磊
陈进
朱义
肖文斌
[J]. 上海交通大学学报, 2009, 43 (04) : 678 - 682
[3] 基于多分类支持向量机的智能辅助质量诊断研究
吴德会
[J]. 系统仿真学报, 2009, 21 (06) : 1689 - 1692+1696
[4] Study and evaluation of a multi-class SVM classifier using diminishing learning technique[J] . J. Manikandan,B. Venkataramani.Neurocomputing . 2010 (10)
[5] A tutorial on support vector machine-based methods for classification problems in chemometrics
Luts, Jan
Ojeda, Fabian
Van de Plas, Raf
De Moor, Bart
Van Huffel, Sabine
Suykens, Johan A. K.
[J]. ANALYTICA CHIMICA ACTA, 2010, 665 (02) : 129 - 145
[6] Wafer defect pattern recognition by multi-class support vector machines by using a novel defect cluster index
Chao, Li-Chang
Tong, Lee-Ing
[J]. EXPERT SYSTEMS WITH APPLICATIONS, 2009, 36 (06) : 10158 - 10167
[7] Risk-sensitive loss functions for sparse multi-category classification problems
Suresh, S.
Sundararajan, N.
Saratchandran, P.
[J]. INFORMATION SCIENCES, 2008, 178 (12) : 2621 - 2638
[8] Data mining PubChem using a support vector machine with the Signature molecular descriptor: Classification of factor XIa inhibitors[J] . Derick C. Weis,Donald P. Visco,Jean-Loup Faulon.Journal of Molecular Graphics and Modelling . 2008 (4)
[9] Pruning of support vector networks on flood forecasting[J] . Shien-Tsung Chen,Pao-Shan Yu.Journal of Hydrology . 2007 (1)
[10] Benchmarking least squares support vector machine classifiers
van Gestel, T
Suykens, JAK
Baesens, B
Viaene, S
Vanthienen, J
Dedene, G
de Moor, B
Vandewalle, J
[J]. MACHINE LEARNING, 2004, 54 (01) : 5 - 32

← 1 →