支持向量机多类目标分类器的结构简化研究

摘要：

由于支持向量机(SVM)在模式识别和回归分析中有着独特优势,因此成为近来研究的热点,其优势主要体现在处理非线性和高维数据问题方面.最初的SVM特别适合解决两类目标分类问题,而对于多类目标分类,则需将其转化为多个两类目标分类问题,相应地即可构造多个两类目标子分类器,但由于这种情况导致了分类器结构的过于复杂,从而导致判决速度的降低.为了快速地进行分类,提出了一种简化结构的多类目标分类器,其不仅使得子分类器数目大大减少,而且使分类速度明显提高;同时对其分类精度和复杂度进行了对比分析.实验结果证明,该分类器是有效的.

关键词：支持向量机、多类目标分类器、核函数、模式识别

所属期刊栏目：10

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金69972013

在线出版日期：2005-07-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：571-574