支持向量机多类分类方法

被引:63
作者
苟博
黄贤武
机构
[1] 苏州大学电子信息学院
关键词
支持向量机; 序列最小最优化算法; 多类分类; 多类支持向量机;
D O I
10.16337/j.1004-9037.2006.03.018
中图分类号
TP18 [人工智能理论];
学科分类号
081104 ; 0812 ; 0835 ; 1405 ;
摘要
支持向量机本身是一个两类问题的判别方法,不能直接应用于多类问题。当前针对多类问题的支持向量机分类方法主要有5种:一类对余类法(OVR),一对一法(OVO),二叉树法(BT),纠错输出编码法和有向非循环图法。本文对这些方法进行了简单的介绍,通过对其原理和实现方法的分析,从速度和精度两方面对这些方法的优缺点进行了归纳和总结,给出了比较意见,并通过实验进行了验证,最后提出了一些改进建议。
引用
收藏
页码:334 / 339
页数:6
相关论文
共 6 条
[1]   一种新的支持向量机多类分类方法 [J].
安金龙 ;
王正欧 ;
马振平 .
信息与控制, 2004, (03) :262-267
[2]   支持向量机与纠错编码相结合的多类分类算法 [J].
夏建涛 ;
何明一 .
西北工业大学学报, 2003, (04) :443-448
[3]   基于SVM的二叉树多类分类算法及其在故障诊断中的应用 [J].
马笑潇 ;
黄席樾 ;
柴毅 ;
不详 .
控制与决策 , 2003, (03) :272-276+284
[4]   关于统计学习理论与支持向量机 [J].
张学工 .
自动化学报, 2000, (01) :36-46
[5]  
模式识别[M]. - 清华大学出版社 , 边肇祺等编著, 2000
[6]   A decision based one-against-one method for multi-class support vector machine [J].
Debnath, R ;
Takahide, N ;
Takahashi, H .
PATTERN ANALYSIS AND APPLICATIONS, 2004, 7 (02) :164-175