首页|多类SVM分类算法的研究和改进

多类SVM分类算法的研究和改进

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
介绍分析了SVM基础理论和目前多类SVM分类算法及其优缺点,提出了一种边界向量抽取算法,并基于该算法改进了1ar和1a1两种多类SVM算法.实验结果表明该边界向量抽取算法可以有效的减少训练样本的数量,在保持分类器推广能力的条件下缩短SVM的训练时间,特别是在大样本训练数据时1ar△可以提供最好的训练性能.
Research and Improvement of Classification Methods for Multi-class Support Vector Machines

刘冰

展开 >

山东大学威海分校,计算中心,山东,威海,264209

向量机 多类支持向量机 支持向量 边界向量 分类

2007

电脑知识与技术
时代出版传媒股份有限公司 中国计算机函授学院

电脑知识与技术

影响因子：0.297
ISSN：1009-3044
年,卷(期)：2007.1(6)
  • 6
  • 5