共 3 条
- [1] 数据挖掘中的新方法.[M].邓乃扬;田英杰著;.科学出版社.2004,
超球体多类支持向量机理论
被引：8
作者：
徐图
何大可
机构：
[1] 西南交通大学信息科学与技术学院
来源：
关键词：
支持向量机;
多类支持向量机;
SMO训练算法;
推广性能;
超球体多类支持向量机;
D O I：
暂无
中图分类号：
TP18 [人工智能理论];
学科分类号：
081104 ;
0812 ;
0835 ;
1405 ;
摘要：
目前的多类分类器大多是经二分类器组合而成的,存在训练速度较慢的问题,在分类类别多的时候,会遇到很大困难,超球体多类支持向量机将超球体单类支持向量机扩展到多类问题,由于每类样本只参与一个超球体支持向量机的训练,因此,这是一种直接多类分类器,训练效率明显提高.为了有效训练超球体多类支持向量机,利用SMO算法思想,提出了超球体支持向量机的快速训练算法.同时对超球体多类支持向量机的推广能力进行了理论上的估计.数值实验表明,在分类类别较多的情况,这种分类器的训练速度有很大提高,非常适合解决类别数较多的分类问题.超球体多类支持向量机为研究快速直接多类分类器提供了新的思路.
引用
收藏
页码：1293 / 1297
页数：5
相关论文