基于多层聚类的多分类SVM快速学习方法

摘要：

针对SVM大规模多类样本学习效率较低的问题,提出一种基于多层聚类的多分类SVM快速学习方法.采用自下而上的方式构建二叉树层次结构,根据所得层次结构,对每个节点对应的样本进行学习.学习时对训练样本进行首次聚类得到若干类簇,对其中只有一类样本的类簇提取中心点;对有两类样本的类簇,根据其混合度,对其正负类样本设定不同的聚类数,进行二次聚类,提取所得类簇中心点.整合上述步骤中提取的中心点作为约简后的样本,学习并得到子分类器.仿真结果表明,基于多层聚类的多分类SVM快速学习方法能够在保证较高分类准确率的前提下,大幅约简训练样本,有效提高学习效率.

关键词：支持向量机、大规模训练集、多分类、多层聚类、二叉树

所属期刊栏目：38

分类号：TP181(自动化基础理论)

在线出版日期：2017-03-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：522-527