一种基于SVM分类的多类识别方法及应用

被引：6

作者：

安欣 ^{[1
]}

王韬 ^{[2
]}

张录达 ^{[1
]}

机构：

[1] 中国农业大学理学院

[2] 中国农业大学信息与电气工程学院

来源：

北京农学院学报 | 2006年 / 02期

基金：

国家高技术研究发展计划(863计划);

关键词：

支持向量机; 一对一分类; 中国茶叶;

D O I：

10.13473/j.cnki.issn.1002-3186.2006.02.006

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

支持向量机是借助于最优化方法解决机器学习问题的新工具,它主要应用于解决两类分类问题。在两类分类的基础上介绍了一种基于SVM的多类分类算法———一对一分类法,并将其用于中国茶叶的分类。以31个中国茶叶样品为试验材料,随机抽取8个茶叶样品为待测样品,其余的23个茶叶样品组成训练集。利用一对一分类法建立关于训练集的多类分类模型,把待测茶叶样品分为3类,预测结果显示茶叶识别完全正确;而用层次聚类法对预测样品分类,识别正确率只有87.5%。由此表明一对一多类分类方法在农业与生物科学研究领域的多类识别问题上将有很好的应用前景。

引用

页码：20 / 22

页数：3