基于二分類SVM的多分類方法比較研究.pdf

1、支持向量機(jī)(Support Vector Machine，SVM)是一種基于統(tǒng)計(jì)學(xué)習(xí)理論的新型機(jī)器學(xué)習(xí)方法，具有全局最優(yōu)、結(jié)構(gòu)簡單、推廣能力強(qiáng)等優(yōu)點(diǎn)，因此得到了廣泛的研究和應(yīng)用。但是SVM方法最初是設(shè)計(jì)用來解決兩類分類問題的，如何將SVM擴(kuò)展到多分類問題是SVM研究的重要內(nèi)容之一。
　　本文在分析了SVM的基本理論和基本性質(zhì)的基礎(chǔ)上，針對(duì)基于二分類器SVM的多分類方法進(jìn)行了深入研究。主要研究工作如下。
　　針對(duì)目前常見的多分

2、類方法，包括OAA方法、OAO方法、DAG方法、ECOC方法等，總結(jié)并給出了理論上的分類原理分析、糾錯(cuò)能力分析和算法復(fù)雜度比較。引入一種基于數(shù)據(jù)驅(qū)動(dòng)的拓?fù)浔３州敵鼍幋a(TPOC)方法。
　　在iris、segment、NCI、ISOLET、Letter等多組數(shù)據(jù)集上使用OAA、DAG、ECOC、DECOC等幾種常用多分類算法以及TPOC方法進(jìn)行了識(shí)別率、復(fù)雜度和訓(xùn)練時(shí)間的對(duì)比實(shí)驗(yàn)。結(jié)果表明，DAG算法具有較高的識(shí)別能力和推廣能力，