用样本密度法解决支持向量机拒识区域

被引：2

作者：

李仁兵

李艾华

赵静茹

王晓伟

杨颖涛

机构：

[1] 第二炮兵工程学院

来源：

系统工程与电子技术 | 2010年 / 32卷 / 08期

关键词：

样本密度法; 拒识区域; 多分类; 支持向量机;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

拒识区域是传统多分类支持向量机中存在的主要缺陷之一。为克服这一不足,提高多分类支持向量机的分类性能和泛化能力,提出将样本密度法用于解决支持向量机拒识区域问题。该方法以落入拒识区域中的样本点为中心,某一阈值为半径建立一个超球体,然后计算各类样本集在该超球体内的样本密度,最后选择最大样本密度对应的类为样本的所属类。数据实验结果表明,样本密度法实现了零拒识,有效提高了传统多分类支持向量机的分类性能。

引用

页码：1771 / 1774

页数：4

共 5 条

[1]

Classification using wavelet packet decomposition and support vector machine for digital modulations[J]. Zhao Fucai, Hu Yihua ＆ Hao Shiqi Hefei Inst. of Electronic Engineering, Hefei 230037, P. R. China.Journal of Systems Engineering and Electronics. 2008(05)

[2] Reducing the number of sub-classifiers for pairwise multi-category support vector machines [J].