高丽
- 作品数：3 被引量：16H指数：2
- 供职机构：哈尔滨理工大学更多>>
- 发文基金：国家自然科学基金黑龙江省自然科学基金黑龙江省海外学人科研资助项目更多>>
- 相关领域：自动化与计算机技术更多>>
- 改进的球结构SVM多分类增量学习算法被引量：6
- 2009年
- 针对球结构支持向量机(support vector machine,SVM)增量学习算法在训练时间和分类精度上的不足,提出了一种改进的球结构SVM多分类增量学习算法.该算法首先构造一个完全二叉树用于多类分类;分析新增样本的加入对原支持向量集的影响,将新增样本集中部分样本和原始训练集中的支持向量以及分布在球体一定范围内的样本合并做为新的训练集,完成分类器的重构.实现通过减少训练样本缩短训练时间和完善分类器提高分类精度的目的.通过UCI标准数据集实验,结果表明,该算法在所需训练的样本数、训练时间以及准确率3方面都优于球结构SVM增量学习算法,尤其当样本分布不平衡时,该算法有更高的分类准确率.
- 谢志强高丽杨静
- 关键词：SVM
- 基于FBT的改进SVM多类分类方法研究
- 支持向量机/(Support Vector Machine,SVM/)作为一种基于统计学习理论的新的机器学习方法,克服了神经网络方法解不稳定、推广性差的缺点。目前,SVM已经成为机器学习领域的研究热点。传统SVM是针对两...
- 高丽
- 关键词：多类分类支持向量机完全二叉树
- 文献传递网络资源链接
- 基于球结构的完全二叉树SVM多类分类算法被引量：9
- 2008年
- 针对一般的SVM方法不能有效地处理不平衡样本数据及现有的偏二叉树结构SVM分类器速度慢的这两个问题,提出了一种基于球结构的完全二叉树SVM多分类算法。该算法利用球结构的SVM考虑了每个类的分布情况,能有效地处理不平衡样本数据;构建完全二叉树结构,使得同层节点所代表的SVM分类器可以并行工作,能提高其训练和分类速度,分类速度相当于折半查找。实例验证两者结合后的算法可实现准确且高效的多类分类。
- 谢志强高丽杨静
- 关键词：支持向量机完全二叉树多类分类
