用纠错编码改进的M-ary支持向量机多类分类算法

被引：2

作者：

包健

刘然

机构：

[1] 杭州电子科技大学计算机学院

来源：

计算机应用 | 2012年 / 32卷 / 03期

关键词：

M-ary; 支持向量机; 纠错编码; 多类分类; 最小码间距离; 输出校正码;

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：

针对M-ary支持向量机(SVM)多类分类算法结构简单,但泛化能力较弱的特点,提出了与纠错编码理论相结合的改进的M-ary SVM算法。首先,将原始类别信息编码作为信息码;然后结合纠错编码理论及期望的纠错能力,产生一定程度上性能最佳的编码,作为分类器训练的依据;最后,对于识别阶段输出编码中的错误分类利用检错纠错原理进行校正。实验结果表明,改进的算法通过引入尽可能少的冗余子分类器增强了标准M-ary SVM多类分类算法的性能。

引用

页码：661 / 664

页数：4

共 18 条

[1] 改进的M-ary支持向量机模型及其在变压器故障诊断中的应用
肖燕彩
陈秀海
[J]. 上海交通大学学报, 2008, 42 (12) : 2033 - 2036
[2] 支持向量机与纠错编码相结合的多类分类算法
夏建涛
何明一
[J]. 西北工业大学学报, 2003, (04) : 443 - 448
[3] Platt JC,Cristianini N,Shawe-Tailor J.Large margin DAGs for multi-class classification. Advances in Neural Information Processing Systems . 2000
[4] LIU X F,ZHANG X Y,GUO C.Speech recognition based on M-ary support vector machine. Journal of Computational Informa-tion Systems . 2011
[5] 范书瑞. 基于嵌入式系统平台的说话人识别系统研究[D]. 河北工业大学 2006
[6] Anguita D,Ghio A,Pischiutta S.A support vector machine with integer parameters. Neurocomputing . 2008
[7] (美)VladimirN.Vapnik著,张学工译.统计学习理论的本质[M]. 清华大学出版社, 2000
[8] 支持向量机多类分类方法
苟博
黄贤武
[J]. 数据采集与处理, 2006, (03) : 334 - 339
[9] SUPPORT-VECTOR NETWORKS
CORTES, C
VAPNIK, V
[J]. MACHINE LEARNING, 1995, 20 (03) : 273 - 297
[10] ANGUITA D,,GHIO A,PISCHIUTTA S.A hardware-friendly sup-port vector machine for embedded automotive applications. Proceedings of International Joint Conference on Neural Networks . 2007

← 1 2 →