通知公告
交大新闻
06 现在的位置：首页 > 期刊导读 > 2012 > 06 >
支持向量域多分类器
【作者】 吴德 ; 刘三阳
【关键词】 多分类器 支持向量域描述 最小包围超球 相对类距离 空间位置
【摘要】为解决多分类支持向量机计算量大、训练时间长的问题,构造了支持向量域多分类器（MS-VDC）.在训练阶段,运用支持向量域描述求得各类样本的最小包围超球,进而将数据空间划分为不同区域;在测试阶段,计算待识别样本与最小包围超球球心的距离,并判断其空间位置;对超球重叠以及超球外区域的样本,定义一种相对类距离,判断样本归属该值较小的类.MSVDC避免了重复利用训练样本,降低了内存占用并提高了计算效率.数值实验结果表明：MSVDC具有好的鲁棒性,分类精度可高达98.89%,分别比一对多和一对一算法高4.51%和1.24%,训练时间分别为一对多和一对一算法的18.06%和55.41%.
© 2015 《西安交通大学学报》编辑部 地址：西安市咸宁西路28号 邮编：710049
互联网备案号：陕ICP备07500839号