以多类支持向量机为基础的小样本信息融合策略

• 作者: 丁子春 宋华珠 李哲 郭翠翠 钟珞
• 来源期刊: 计算机应用研究
• 关键词: 多类支持向量机 Dempster-Shafer理论 小样本 信息融合
• 年，卷（期）: 2009,（12）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 4488-4490,4508
• 页数: 4页
• 分类号: TP181
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2009.12.024

摘要

通过将多类支持向量机作为分类器,运用Dempster-Shafer理论等信息融合方法对分类结果进行融合,实现对小样本的分类.主要采用对多类支持向量机的分类结果进行求和后取最大值、Dempster-Shafer理论以及使用Dempster-Shafer理论后第二次使用支持向量机三种方式进行融合.由于支持向量机本身是适用于小样本的机器学习算法,Dempster-Shafer理论又可以较好地处理不确定性,两者的结合可以较好地处理小样本分类问题,并提高最终的分类精度.实验结果表明,提出的几种融合策略确实可以在小样本情况下得到较好的分类结果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	钟珞	武汉理工大学计算机科学与技术学院	195	1963	24.0	32.0
2	宋华珠	武汉理工大学计算机科学与技术学院	24	144	7.0	12.0
3	李哲	武汉理工大学计算机科学与技术学院	22	89	6.0	8.0
4	丁子春	武汉理工大学计算机科学与技术学院	2	1	1.0	1.0
5	郭翠翠	武汉理工大学计算机科学与技术学院	5	22	2.0	4.0