支持向量机的多观测样本二分类算法

• 作者: 李欢 王士同
• 来源期刊: 智能系统学报
• 学科: 工学
• 关键词: 模式识别 多观测 同类样本 SVM 二分类
• 年，卷（期）: 2014,（4）
• 页码范围: 392-400
• 页数: 9页
• 分类号: TP391.4
• 字数: 8325字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-4785.201312040

摘要

针对多观测样本的分类问题，提出基于SVM的多观测样本二分类算法。每次分类时，首先限制组成多观测样本的所有单观测样本属于同一类别，对多观测样本的类别做2次假设，通过比较不同类别假设下的目标函数最优解来确定多观测样本的类别。该方法无需对分类器进行训练或提前对训练集进行特征表示，而是将已知标签样本集和多观测样本作为一个整体，充分利用特征空间中同类样本连续分布这一特点，使得分类更加准确。结果表明所提方法的有效性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王士同	江南大学数字媒体学院	528	3424	23.0	37.0
2	李欢	江南大学数字媒体学院	6	6	2.0	2.0