10.3969/j.issn.1673-4785.2007.02.002
多类支持向量机方法的研究现状与分析
支持向量机(SVM)是建立在统计学理论基础上的一种小样本机器学习方法,最初应用于解决两类分类问题.然而在解决实际问题中遇到的多为多分类问题,如何有效的将其推广到多类分类问题是一个正在研究的问题.该文对现有的多类支持向量机方法从组合多个两类分类器、层次结构、一次性优化问题和纠错编码等4个角度进行了综合归纳和分析,详细介绍了每种方法的代表性算法,并比较其优劣.
多类支持向量机、两类分类器、层次结构、一次性优化、纠错编码
2
TP391(计算技术、计算机技术)
国家自然科学基金60672034;高等学校博士学科点专项科研项目20060217021;黑龙江省自然科学基金ZJG20606-01
2007-06-18(万方平台首次上网日期,不代表论文的发表时间)
共7页
11-17