支持向量机的新分类器算法研究 |
| |
引用本文: | 宋晓宁,吴小俊,杨静宇,郑宇杰,杨习贝.支持向量机的新分类器算法研究[J].系统仿真学报,2009,21(12). |
| |
作者姓名: | 宋晓宁 吴小俊 杨静宇 郑宇杰 杨习贝 |
| |
作者单位: | 1. 南京理工大学计算机系,南京,210094 2. 江南大学信息工程学院,无锡,214122 3. 中国电子科技集团公司第28研究所,南京,210007 |
| |
摘 要: | 提出了基于支持向量机(SVM)和决策树(DT)的几种新分类器算法.首先对支持向量机和模糊支持向量机(FSVM)处理多类分类问题的传统算法进行介绍,然后在DT-FSVM和最近邻分类器的基础之上,提出基于样本区域分析(SRA)的混合分类器算法(SRA-DT-FSVM),该算法中样本区域分析的概念被提出.在线性鉴别分析(LDA)的人脸特征空间中,分别对算法FSVM,DT-FSVM,SRA-DT-FSVM以及Binary-DT-SVM进行了全面的性能比较.通过在ORL人脸库上的实验结果表明,提出的新方法是有效的.此外,基于DT的SVM的分类速度获得了较大提高.
|
关 键 词: | 模糊支持向量机 决策树 样本区域分析 特征抽取 人脸识别 |
Research on New Classifier Algorithms for Support Vector Machine |
| |
Abstract: | |
| |
Keywords: | fuzzy support vector machine decision tree sample region analysis feature extraction face recognition |
本文献已被 万方数据 等数据库收录! |
|