多类SVM分类算法的研究

• 作者: 刘春贵 张景安 武伟 郭显娥
• 来源期刊: 山西大同大学学报（自然科学版）
• 学科: 工学
• 关键词: 支持向量机 机器学习 多类分类器
• 年，卷（期）: 2010,（3）
• 所属期刊栏目: 数字与计算机科学
• 页码范围: 6-8,14
• 分类号: TP391.41
• 字数: 3805字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-0874.2010.03.002

摘要

支持向量机(Support Vector Machine,SVM)是上世纪九十年代提出的一种基于小样本的新的统计学习方法,较好地解决了非线性、高维数、局部极小点等实际问题.文中分析了SVM基础理论并总结了目前存在的基于支持向量机的主要分类方法,包括"一对多"方法、"一对一"方法、决策有向无环图方法、基于二又树的多类分类方法和其它方法,并对各自的优缺点及性能做了比较.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭显娥	山西大同大学数学与计算机科学学院	20	146	7.0	11.0
2	张景安	山西大同大学数学与计算机科学学院	47	287	10.0	15.0
3	刘春贵	山西大同大学数学与计算机科学学院	6	89	3.0	6.0
4	武伟	山西大同大学数学与计算机科学学院	2	59	2.0	2.0