基于SBA和KNN的多类分类算法
采用二又树结构对多个二值支持向量机子分类器组合,可实现多类问题的分类,并且还可克服传统(SVM)多类算法存在的不可分区域的情况.为了加快大规模数据样本分类时的训练速度以及减少分类的时间复杂度,将一种新的二分类算法--SBA应用于改进的BTS-KNN算法中,可以构造出更加平衡的分类二叉树以减少分类次数.实验结果表明,在进行大规模样本数据分类时,该算法在保证分类精度的情况下分类速度有明显提高.
支持向量机、序贯最小化算法、二又树支持向量机、K-近邻、SBA
29
TP18(自动化基础理论)
湖南省自然科学基金项日05JJ30123;湖南省教育厅科学研究基金项目05C246
2009-02-16(万方平台首次上网日期,不代表论文的发表时间)
共4页
5786-5788,5791