多类SVM分类算法的研究 |
| |
引用本文: | 郭显娥,武伟,刘春贵,张景安. 多类SVM分类算法的研究[J]. 雁北师范学院学报, 2010, 0(3) |
| |
作者姓名: | 郭显娥 武伟 刘春贵 张景安 |
| |
作者单位: | 山西大同大学数学与计算机科学学院; |
| |
基金项目: | 天津市自然科学重大基金项目[07JCZDJC06500]; 山西省教育科学“十一五”规划课题[GH-09229] |
| |
摘 要: | 支持向量机(Support Vector Machine,SVM)是上世纪九十年代提出的一种基于小样本的新的统计学习方法,较好地解决了非线性、高维数、局部极小点等实际问题.文中分析了SVM基础理论并总结了目前存在的基于支持向量机的主要分类方法,包括一对多方法、一对一方法、决策有向无环图方法、基于二叉树的多类分类方法和其它方法,并对各自的优缺点及性能做了比较.
|
关 键 词: | 支持向量机 机器学习 多类分类器 |
Research of Multi-class Support Vector Machines Classification Algorithm |
| |
Abstract: | |
| |
Keywords: | Support Vector Machines(svm) Machine learning Multi-class classifier |
本文献已被 CNKI 等数据库收录! |
|