基于二叉树支持向量机多类分类算法的研究

发布时间：2017-11-24 08:32

  本文关键词：基于二叉树支持向量机多类分类算法的研究

  更多相关文章： 支持向量机 多类分类 二叉树 欧氏距离

【摘要】：基于二叉树的支持向量机多类分类算法虽然在目前现有的多类分类算法中总体性能较优,但是仍然存在分类精度和分类效率不高的问题。针对这些问题,提出了一种新的基于欧氏距离的二叉树支持向量机(Distance binary tree SVM,简称DBT-SVM)多类分类算法,该算法综合地考虑了两类最近样本的欧式距离、类中心的欧氏距离对分类的影响,并且使最容易分离的类能优先分离出来。通过在UCI标准数据集上进行实验验证,结果表明该算法行之有效。
【作者单位】： 重庆师范大学计算机与信息科学学院;
【基金】：重庆市自然科学基金(No.cstc2014jcyjA40011) 重庆市教育委员会科学技术项目(No.KJ1400513)
【分类号】：TP18
【正文快照】： 支持向量机(Support vector machines,SVMs),是一种建立在统计学习理论的VC维理论和结构风险最小化原则基础上的一种有监督的机器学习方法[1]。它比其他学习方法在解决小样本、非线性和高维模式识别中具有更好的特性[2]。支持向量机最初是应用在模式识别中,后被广泛应用到人脸

【参考文献】

中国期刊全文数据库 前10条

1 张兢;杨超;曾建梅;李冠迪;;基于遗传算法与支持向量机的EMD改进算法[J];重庆理工大学学报(自然科学);2015年11期

2 宋召青;陈W，

本文编号：1221659