超球体多类支持向量机理论
徐图
何大可
1.西南交通大学信息科学与技术学院,四川成都,6100312.西南交通大学信息科学与技术学院,四川成都,610031
摘要：目前的多类分类器大多是经二分类器组合而成的,存在训练速度较慢的问题,在分类类别多的时候,会遇到很大困难,超球体多类支持向量机将超球体单类支持向量机扩展到多类问题,由于每类样本只参与一个超球体支持向量机的训练.因此,这是一种直接多类分类器,训练效率明显提高.为了有效训练超球体多类支持向量机,利用SMO算法思想,提出了超球体支持向量机的快速训练算法.同时对超球体多类支持向量机的推广能力进行了理论上的估计.数值实验表明,在分类类别较多的情况,这种分类器的训练速度有很大提高,非常适合解决类别数较多的分类问题.超球体多类支持向量机为研究快速直接多类分类器提供了新的思路.
关键词：支持向量机多类支持向量机SMO训练算法推广性能超球体多类支持向量机
分类号：TP18(自动化基础理论)
资助基金：西南交通大学青年教师科研起步项目(2008Q109)
论文发表日期：2009-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 1293-1297 )
英文信息