首页|多类支撑向量机算法比较研究

多类支撑向量机算法比较研究

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
统计学理论第一次系统地研究了在样本有限的情况下的机器学习问题.提出了一种能够根据样本数量合理地控制分类器的推广能力的一种模型选取原则,即结构风险最小化原则.支撑向量机(SVMs)是在该理论框架下产生的一种通用学习方法.通过对现有多类支撑向量机的系统分析,发现层次型支撑向量机BT-SVMs可以实现相对高效的多类分类,并对算法的改进提出了建议.
Comparison of Multi-class SVMs Methods

后斌、黎景良

展开 >

武汉大学,遥感信息工程学院,湖北,武汉,430079

广东省佛山市国土资源局,顺德分局,广东,佛山,528333

分类器 多类支撑向量机 SVMs BT-SVMs

国家重点基础研究发展计划(973计划)

G19990544400

2008

武汉理工大学学报(信息与管理工程版)
武汉理工大学

武汉理工大学学报(信息与管理工程版)

CSTPCD
影响因子：0.37
ISSN：2095-3852
年,卷(期)：2008.30(5)
  • 1