|
|||||
|
|
| 最小二乘超球多类支持向量机 | |
| 引用本文： | 徐图.最小二乘超球多类支持向量机[J].系统仿真学报,2009,21(23). |
| 作者姓名： | 徐图 |
| 作者单位： | 西南交通大学信息科学与技术学院,成都,610031 |
| 基金项目： | 西南交通大学青年教师科研起步项目 |
| 摘 要： | 超球体多类支持向量机(HSMC-SVM)是一种直接型多类分类器,具有训练速度快,检测效率高的优点,但由于HSMC-SVM使用一阶范数软间隔作为目标函数的惩罚项,使得其训练精度受到一定影响,为了提高HSMC-SVM训练精度,将最小二乘法引入到HSMC-SVM中,提出了最小二乘超球多类支持向量机(LSHS-MCSVM)的概念,并且分析了它的训练算法和判决规则,从而形成了完整的LSHS-MCSVM分类理论.实验表明,LSHS-MCSVM无论在训练速度上还是在泛化性能上都要优于HSMC-SVM,适合于分类类别多,样本数量大的多分类场合. |
| 关 键 词： | 支持向量机 多类支持向量机 SMO训练算法 工作集选择 最小二乘超球多类支持向量机 |
Least Square Hyper-sphere Multi-class SVM |
|
| Abstract: | |
| Keywords: | support vector machine (SVM) multi-class SVM SMO algorithm work set selection LSHS-MCSVM |
| 本文献已被 万方数据 等数据库收录！ | |