支持向量域多分类器

• 作者: 刘三阳 吴德
• 来源期刊: 西安交通大学学报
• 关键词: 多分类器 支持向量域描述 最小包围超球 相对类距离 空间位置
• 年，卷（期）: 2012,（6）
• 页码范围: 87-91
• 分类号: TP301
• 语种: 中文

摘要

为解决多分类支持向量机计算量大、训练时间长的问题,构造了支持向量域多分类器(MSVDC).在训练阶段,运用支持向量域描述求得各类样本的最小包围超球,进而将数据空间划分为不同区域；在测试阶段,计算待识别样本与最小包围超球球心的距离,并判断其空间位置；对超球重叠以及超球外区域的样本,定义一种相对类距离,判断样本归属该值较小的类.MSVDC避免了重复利用训练样本,降低了内存占用并提高了计算效率.数值实验结果表明:MSVDC具有好的鲁棒性,分类精度可高达98.89％,分别比一对多和一对一算法高4.51％和1.24％,训练时间分别为一对多和一对一算法的18.06％和55.41％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘三阳	西安电子科技大学计算机学院	662	5562	32.0	51.0
2	吴德	西安电子科技大学计算机学院	12	82	6.0	9.0