共 11 条
多类支持向量机方法的研究现状与分析
被引：28
作者：
赵春晖
陈万海
郭春燕
机构：
[1] 哈尔滨工程大学信息与通信工程学院
来源：
基金：
黑龙江省自然科学基金;
关键词：
多类支持向量机;
两类分类器;
层次结构;
一次性优化;
纠错编码;
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：
支持向量机(SVM)是建立在统计学理论基础上的一种小样本机器学习方法,最初应用于解决两类分类问题.然而在解决实际问题中遇到的多为多分类问题,如何有效的将其推广到多类分类问题是一个正在研究的问题.该文对现有的多类支持向量机方法从组合多个两类分类器、层次结构、一次性优化问题和纠错编码等4个角度进行了综合归纳和分析,详细介绍了每种方法的代表性算法,并比较其优劣.
引用
收藏
页码：11 / 17
页数：7
相关论文