基于核聚类方法的多层次支持向量机分类树

• 作者: 刘士建 孔锐 张国宣 施泽生 薛明东 郭立
• 来源期刊: 控制与决策
• 学科: 工学
• 关键词: 多类模式识别 支持向量机 核聚类 统计学习理论
• 年，卷（期）: 2004,（11）
• 所属期刊栏目: 短文
• 页码范围: 1305-1307,1311
• 页数: 4页
• 分类号: TP391.41
• 字数: 3389字
• 语种: 中文
• DOI: 10.3321/j.issn:1001-0920.2004.11.025

摘要

针对解决多类模式识别问题的SVM方法进行研究,在比较几种常用的多类SVM分类算法的基础上,提出一种基于核聚类方法的多层次SVM分类树,将核空间中的无监督学习方法和有监督学习方法结合起来,实现了一种结构更加简洁清晰、计算效率更高的多层SVM分类树算法,并在实验中取得了良好的结果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭立	中国科学技术大学电子科学与技术系	203	1655	20.0	30.0
2	张国宣	中国科学技术大学电子科学与技术系	11	303	8.0	11.0
3	孔锐	中国科学技术大学电子科学与技术系	10	277	8.0	10.0
4	施泽生	中国科学技术大学电子科学与技术系	17	417	9.0	17.0
5	刘士建	中国科学技术大学电子科学与技术系	26	241	9.0	14.0
6	薛明东	中国科学技术大学电子科学与技术系	3	65	3.0	3.0