一种基于SVM的主动多分类方法

• 作者: 郭金玲
• 来源期刊: 山西大学学报（自然科学版）
• 关键词: SVM 多分类 主动学习
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 信息科学|Information Sciences
• 页码范围: 257-261
• 页数: 5页
• 分类号: TP181
• 语种: 中文
• DOI: 10.13451/j.sxu.ns.2020063

摘要

针对传统的多分类模型学习效率较低,对于复杂的多类别数据无法进行高效分类的问题,提出了一种基于支撑向量机(Support Vector Machine,SVM)的主动多分类方法.该方法通过引入就绪分类器和阻塞分类器的概念,将主动学习的策略用于SVM多分类器的构造过程,在主动多分类过程中随着分类器的不断更新,动态地控制样本是否参与主动学习;从分类器和训练样本数量两方面进行了优化,降低了分类模型构造的复杂度.实验结果表明,本文提出的主动多分类方法可有效提高模型的学习效率和泛化性能.