基于SVM的多类分类算法改进

• 作者: 刘莉 王忠 王春丽
• 来源期刊: 武汉工程大学学报
• 学科: 工学
• 关键词: 支持向量机 分类算法 统计学习 二叉树
• 年，卷（期）: 2010,（7）
• 页码范围: 89-93
• 分类号: TP312
• 字数: 5365字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-2869.2010.07.023

摘要

在各种基于支持向量机的多类分类算法中,基于二叉树的多类支持向量机分类算法训练和分类速度相对较快,且解决了不可分问题,是一种很好的方法.本文系统研究和分析了基于二叉树的多类支持向量机分类算法,并在此基础上对其作出了改进,即当测试文本集规模较大时,对其先聚类再分类.改进的目的是,使测试文本不必总是从二叉树的根结点开始进行判断,而是有指导的代入分类函数中计算.在测试文本集规模较大,分类函数个数较多时,可以很大程度上增加分类效率,并加大了文本正确分类的概率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王忠	武汉工程大学计算机科学与技术学院	18	164	8.0	12.0
2	刘莉		7	6	1.0	2.0
3	王春丽	武汉工程大学计算机科学与技术学院	3	21	3.0	3.0