基于数据关系的SVM多分类学习算法

• 作者: 梁志 王文剑 郭虎升
• 来源期刊: 山西大学学报（自然科学版）
• 学科: 工学
• 关键词: 支持向量机 多分类 数据关系 泛化能力
• 年，卷（期）: 2012,（2）
• 所属期刊栏目: 数学与计算机科学
• 页码范围: 224-230
• 分类号: TP18
• 字数: 3999字
• 语种: 中文

摘要

提出一种基于数据关系(Data Relationship,DR)的多分类支持向量机(Support Vector Machine,SVM)学习算法(Multi-Classification SVM Algorithm Based on Data Relationship,DR-SVM).DR-SVM算法根据每类数据的关系(如向量积等)获取子学习嚣的冗余信息,从而优化多分类器组,然后通过经典的SVM算法训练分类器组.算法在简化分类器组的同时可对多类数据分类问题获得满意的泛化能力,在标准数据集上的实验结果表明,与经典的SVM多分类方法相比,DR-SVM具有更好的泛化性能,尤其对单个类别精度要求较高的数据尤其有效.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王文剑	山西大学计算智能与中文信息处理教育部重点实验室	97	798	14.0	23.0
5	郭虎升	山西大学计算机与信息技术学院	24	174	8.0	12.0
6	梁志	山西大学计算机与信息技术学院	1	8	1.0	1.0