一种新的基于平衡决策树的SVM多类分类算法
为了有效地减少样本训练时间,提高多类分类器的识别率,同时使模型具有较好的推广能力,在综合考虑待分类样本数和类别易分性能的基础上,在"先分样本数较大的类"和"先分易分的类"之间折衷考虑,提出一种基于样本的新的类划分方案.采用半衡决策树结构,得到了一种新的决策树支持向量机多类分类算法.实验结果表明,该算法在不降低识别率的情况下,能大大减少系统的训练时间,是一种有效的多类分类算法.
支持向量机、决策树、多类分类器、类间可分性
26
TP394(计算技术、计算机技术)
国家863计划项目2007AA10Z237;北京市自然科学基金项目40810010
2011-08-30(万方平台首次上网日期,不代表论文的发表时间)
149-152,156