一种LDA与SVM混合的多类分类方法

• 作者: 张宏达 徐海龙 王晓丹
• 来源期刊: 控制与决策
• 学科: 工学
• 关键词: 决策有向无环图 支持向量机 线性判别分析 分类阈值 可分性
• 年，卷（期）: 2009,（11）
• 所属期刊栏目: 短文
• 页码范围: 1723-1728
• 分类号: TP181
• 语种: 中文
• DOI: 10.3321/j.issn:1001-0920.2009.11.024

摘要

针对决策有向无环图支持向量机(DDAGSVM)需训练大量支持向量机(SVM)和误差积累的问题,提出一种线性判别分析(LDA)与SVM混合的多类分类算法.首先根据高维样本在低维空间中投影的特点,给出一种优化LDA分类阈值;然后以优化LDA对每个二类问题的分类误差作为类间线性可分度,对线性可分度较低的问题采用非线性SVM加以解决,并以分类误差作为对应二类问题的可分度;最后将可分度作为混合DDAG分类器的决策依据.实验表明,与DDAGSVM相比,所提出算法在确保泛化精度的条件下具有更高的训练和分类速度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王晓丹	空军工程大学导弹学院	135	1447	21.0	31.0
2	张宏达	空军工程大学导弹学院	11	185	7.0	11.0
3	徐海龙	空军工程大学导弹学院	14	102	6.0	10.0