一种新的核化SVM多层分类方法

• 作者: 何秀玲 李琼 董才林 陈增照
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 支持向量机 Mercer核 特征空间 二叉树 多类分类
• 年，卷（期）: 2010,（10）
• 所属期刊栏目: 图形、图像、模式识别
• 页码范围: 150-152
• 分类号: TP391.4
• 字数: 1926字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2010.10.048

摘要

利用核化思想提出了一种新的SVM多层分类算法.该算法的基本思路是:先利用Mercer核,将输入空间非线性可分的训练样本映射到高维特征空间Hilbert中,使之线性可分,然后采用最小超球体类包含作为层次分类的依据来生成二叉决策树,从而实现在高维空间中的多类分类.实验表明,采用该算法进行多类分类,可以有效地解决输入空间非线性可分问题,并可在一定程度上提高分类器的分类精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李琼	华中师范大学离散数学与最优控制重点实验室	25	208	7.0	14.0
2	董才林	华中师范大学离散数学与最优控制重点实验室	28	133	6.0	10.0
3	何秀玲	华中师范大学离散数学与最优控制重点实验室	34	180	7.0	12.0
4	陈增照	华中师范大学离散数学与最优控制重点实验室	31	225	7.0	14.0