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%.
上一篇:采用多目标粒子群算法的模拟电路故障诊断研究
下一篇:移动环境中的位置依赖连续轮廓查询