基于SVM的不同特征空间多分类方法研究

• 作者: 周绮凤 洪文财 邵桂芳
• 来源期刊: 厦门大学学报（自然科学版）
• 学科: 工学
• 关键词: 多分类 SVM 特征空间 核函数
• 年，卷（期）: 2010,（1）
• 所属期刊栏目: 研究论文
• 页码范围: 30-33
• 页数: 4页
• 分类号: TP18
• 字数: 4289字
• 语种: 中文

摘要

目前,在基于SVM的分解多分类方法中,各个子分类器都采用相同的核参数进行整体优化.如果采用不同的核函数参数分别优化各个子分类器,相当于在不同的特征空间进行分类,此时,能否直接采用求输出最大值(MaxWin)等判别策略,需要研究各分类器的输出是否可比.利用相对间隔对此问题进行深入的研究,说明在基于SVM的"一对多"等多分类方法中,采用不同的核参数分别优化各个子分类器,其决策函数的输出结果仍是可比的,且具有更好的泛化能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邵桂芳	厦门大学信息科学与技术学院	25	82	5.0	7.0
2	周绮凤	厦门大学信息科学与技术学院	18	156	7.0	12.0
3	洪文财	厦门大学信息科学与技术学院	4	18	2.0	4.0