基于空间重叠度的DTBSVM多类分类算法

• 作者: 胡小莉 陈秀宏
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 支持向量机 决策树 空间重叠度 类间可分性 多类分类
• 年，卷（期）: 2015,（21）
• 所属期刊栏目: 网络、通信、安全
• 页码范围: 128-132
• 页数: 5页
• 分类号: TP391
• 字数: 4831字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1311-0079

摘要

针对传统的DTBSVM算法中判断类间的可分的难易程度时可能造成的错误判断，提出了基于空间重叠度的DTSVM多类分类方法。该方法通过计算已知的类别样本在空间中的重叠度，合并有重叠的类，组合为一个新的类，再基于一种有效的类间可分性准则进行划分，使得容易划分的类能从决策树的根节点开始逐层分割出来，再划分有类间重叠的类，这样就可以尽量地避免“误差累积”的风险，构造出分类效果好的决策树结构。实验结果表明，该方法大大提升了DTSVM多类分类算法的分类正确率。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈秀宏	江南大学数字媒体学院	90	480	12.0	17.0
2	胡小莉	江南大学数字媒体学院	1	1	1.0	1.0