基于双支持向量机的偏二叉树多类分类算法

被引：30

作者：

谢娟英

张兵权

汪万紫

机构：

[1] 陕西师范大学计算机科学学院

来源：

南京大学学报(自然科学版) | 2011年 / 47卷 / 04期

关键词：

双支持向量机; 偏二叉树支持向量机; 支持向量机; 多类分类;

D O I：

10.13232/j.cnki.jnju.2011.04.002

中图分类号：

TP311.13 [];

学科分类号：

1201 ;

摘要：

提出一种基于双支持向量机的偏二叉树多类分类算法,偏二叉树双支持向量机多类分类算法.该算法综合了二叉树支持向量机和双支持向量机的优势,实现了在不降低分类性能的前提下,大大缩短训练时间.理论分析和UCI(University of California Irvine)机器学习数据库数据集上的实验结果共同证明,偏二叉树双支持向量机多类分类算法在训练时间上具有绝对的优势,尤其在处理稍大数据集的多类分类问题时,这一优势尤为突出;实验仿真结果还证明,在采用非线性核时,该算法取得了比基于经典支持向量机的一对其余多类分类算法及二叉树支持向量机更好的分类效果;同时该算法还解决了后两种算法可能存在的样本不平衡问题,以及基于经典支持向量机的一对其余多类分类算法可能存在的不可分区域问题.

引用

页码：354 / 363

页数：10

共 7 条

[1]

Multicategory Proximal Support Vector Machine Classifiers[J] . Glenn M. Fung,O. L. Mangasarian.Machine Learning . 2005 (1)

[2]

SSVM: A Smooth Support Vector Machine for Classification[J] . Yuh-Jye Lee,O.L. Mangasarian.Computational Optimization and Applications . 2001 (1)

[3] Least squares support vector machine classifiers [J].

Suykens, JAK ;

Vandewalle, J .

NEURAL PROCESSING LETTERS, 1999, 9 (03) :293-300

[4] A tutorial on Support Vector Machines for pattern recognition [J].

Burges, CJC .

DATA MINING AND KNOWLEDGE DISCOVERY, 1998, 2 (02) :121-167

[5]

MATLAB Support Vector Machine Toolbox .2 Gunn S R. http://www.isis. ecs.soton.ac.uk/ resources/svminfo .

[6]

Knowledge-based analysis of microarray gene expression data by using support vector machines .2 Brown MPS,Grundy WN,Lin D,et al. Proceedings of the National Academy of Sciences of the United States of Amercia . 2000

[7]

Large margin DAGs for multiclass classification .2 Platt J C,Cristianini N,Shawe-Taylor J. Advances in Neural Information Processing Systems . 2000

← 1 →