本文關(guān)鍵詞：基于二叉樹支持向量機(jī)多類分類算法的研究

  更多相關(guān)文章： 支持向量機(jī) 多類分類 二叉樹 歐氏距離

【摘要】：基于二叉樹的支持向量機(jī)多類分類算法雖然在目前現(xiàn)有的多類分類算法中總體性能較優(yōu),但是仍然存在分類精度和分類效率不高的問題。針對(duì)這些問題,提出了一種新的基于歐氏距離的二叉樹支持向量機(jī)(Distance binary tree SVM,簡(jiǎn)稱DBT-SVM)多類分類算法,該算法綜合地考慮了兩類最近樣本的歐式距離、類中心的歐氏距離對(duì)分類的影響,并且使最容易分離的類能優(yōu)先分離出來(lái)。通過在UCI標(biāo)準(zhǔn)數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)驗(yàn)證,結(jié)果表明該算法行之有效。
【作者單位】： 重慶師范大學(xué)計(jì)算機(jī)與信息科學(xué)學(xué)院;
【基金】：重慶市自然科學(xué)基金(No.cstc2014jcyjA40011) 重慶市教育委員會(huì)科學(xué)技術(shù)項(xiàng)目(No.KJ1400513)
【分類號(hào)】：TP18
【正文快照】： 支持向量機(jī)(Support vector machines,SVMs),是一種建立在統(tǒng)計(jì)學(xué)習(xí)理論的VC維理論和結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則基礎(chǔ)上的一種有監(jiān)督的機(jī)器學(xué)習(xí)方法[1]。它比其他學(xué)習(xí)方法在解決小樣本、非線性和高維模式識(shí)別中具有更好的特性[2]。支持向量機(jī)最初是應(yīng)用在模式識(shí)別中,后被廣泛應(yīng)用到人臉

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 張兢;楊超;曾建梅;李冠迪;;基于遺傳算法與支持向量機(jī)的EMD改進(jìn)算法[J];重慶理工大學(xué)學(xué)報(bào)(自然科學(xué));2015年11期

2 宋召青;陳W，

本文編號(hào)：1221659