融合LDA的多类SVM方法研究

• 作者: 李海芳 赵炜 陈俊杰
• 来源期刊: 计算机工程与设计
• 学科: 工学
• 关键词: 支持向量机 多类分类 二又树 模糊C均值聚类 线性判别分析
• 年，卷（期）: 2009,（19）
• 所属期刊栏目: 人工智能
• 页码范围: 4497-4499,4527
• 页数: 4页
• 分类号: TP391
• 字数: 3000字
• 语种: 中文

摘要

传统的基于聚类的SVM多类分类方法在聚类时并不考虑样本的类别信息,最终形成的二又树分支一般很多,当异类样本特征相近时该方法性能下降明显.针对这一问题,将线性判别分析法引入二叉树建树过程中,每次在对待训练样本集聚类之前先进行优化处理,通过寻找最佳投影子空间使得同类样本聚集、异类样本松散,从而优化二又树结构,以此改进分类效果,并在UCI数据集上进行实验,结果表明该方法减少了二叉树分支,提高了分类的准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈俊杰	太原理工大学计算机与软件学院	220	1728	20.0	30.0
2	李海芳	太原理工大学计算机与软件学院	92	507	12.0	16.0
3	赵炜	太原理工大学计算机与软件学院	24	338	10.0	18.0