基于支持向量机的多类分类研究

• 作者: 杨奎河 牛兴霞
• 来源期刊: 信息技术
• 学科: 工学
• 关键词: 统计学理论 支持向量机 多类分类
• 年，卷（期）: 2006,（11）
• 所属期刊栏目: 基金项目
• 页码范围: 19-23
• 页数: 5页
• 分类号: TP301.6
• 字数: 5156字
• 语种: 中文
• DOI: 10.3969/j.issn.1009-2552.2006.11.006

摘要

现今流行的分类方法的重要基础是传统的统计学,前提是要有足够的样本,当样本数目有限时容易出现过学习的问题,导致分类效果不理想.引入支持向量机方法,它基于统计学习理论,采用了结构风险最小化原则代替经验风险最小化原则,较好的解决了小样本学习的问题;又由于采用了核函数思想,把非线性空间的问题转换到线性空间,降低了算法的复杂度.对其相关内容包括优化算法及多类分类问题的解决进行了研究,最后用一个实例说明了该方法的可行性和有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨奎河	河北科技大学信息学院	37	262	9.0	14.0
2	牛兴霞	河北科技大学信息学院	1	17	1.0	1.0