模式识别与人工智能
2025年4月3日 星期四   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能  2007, Vol. 20 Issue (3): 301-307    DOI:
论文与报告 最新目录| 下期目录| 过刊浏览| 高级检索 |
一种快速多分类支持向量机实现策略
李建武,陆耀
北京理工大学 计算机科学与技术学院 北京 100081
A Fast MultiClass Support Vector Machine
LI JianWu, LU Yao
School of Computer Science and Technology, Beijing Institute of Technology, Beijing 100081

全文: PDF (353 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 基于二进制编码技术,提出一种快速多分类支持向量机实现策略.首先描述编码技术的实现思想,进一步给出避免多分类器中各个支持向量机的正负类样本数目不均衡的方法.并提出寻找多类别之间的最佳划分的策略,使该分类器在牺牲较小精度的情况下,具有较快的分类速度,适合应用于实时或在线分类系统中.最后根据实验结果对这种多分类器系统的性能进行评述.
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
李建武
陆耀
关键词 支持向量机多分类二进制编码    
Abstract:A binary encoding based fast multiclass support vector machine(SVM) is introduced. How to avoid the uneven class size of each SVM in the multiclassification system is discussed based on the encoding method. Then the strategy of searching the optimal division of different classes is proposed. Thus, with little loss of accuracy the system has a higher classification speed than the traditional ones. Therefore, the classifier is suitable for real time or online systems. Finally, the introduced classification system is evaluated by experiments.
Key wordsSupport Vector Machine    MultiClass    Binary Encoding   
收稿日期: 2006-06-19     
ZTFLH: TP391  
作者简介: 李建武,男,1975年生,讲师,主要研究方向为机器学习、模式识别、数据挖掘.Email:ljw@bit.edu.cn.陆耀,男,1958年生,教授,主要研究方向为数字图像处理、机器学习.
引用本文:   
李建武,陆耀. 一种快速多分类支持向量机实现策略[J]. 模式识别与人工智能, 2007, 20(3): 301-307. LI JianWu, LU Yao. A Fast MultiClass Support Vector Machine. , 2007, 20(3): 301-307.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2007/V20/I3/301
版权所有 © 《模式识别与人工智能》编辑部
地址:安微省合肥市蜀山湖路350号 电话:0551-65591176 传真:0551-65591176 Email:bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn