已閱讀1頁，還剩54頁未讀， 繼續(xù)免費閱讀
版權說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權，請進行舉報或認領
文檔簡介
1、隨著模式識別技術的發(fā)展,傳統(tǒng)統(tǒng)計學理論的模式識別技術對小樣本數(shù)據(jù)處理能力的不足越來越突出,支持向量機作為主要針對小樣本數(shù)據(jù)的模式識別技術得到了廣泛的關注?；镜闹С窒蛄繖C是針對二類的情況,對于多分類的情況需要對其進行擴展。通過對多分類支持向量機擴展策略的研究,指出當前在基于多分類支持向量機的特征選擇過程中,容易出現(xiàn)類別分類性能不平衡的問題;另外,樹型多分類支持向量機有“誤差積累”的問題。因此本文主要針對多分類支持向量機擴展過程中的這兩個
2、問題展開研究,主要工作有:
一是針對傳統(tǒng)多分類支持向量機特征選擇僅采用樣本整體誤分率,導致的類別傾斜現(xiàn)象,提出了采用各個類別誤分率的方差和期望,以及整體誤分率三項指標作為多分類支持向量機特征選擇算法的評價標準。實驗表明,本文的算法能夠有效降低樣本的誤分率,同時各個類別的誤分率也更加收斂,降低了特征選擇過程中引起的類別間分類性能不平衡的問題。
二是針對二叉樹多分類支持向量機中二叉樹的結果會對分類性能產(chǎn)生影響,并
溫馨提示
- 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于支持向量機的多分類算法研究.pdf
- 基于支持向量機的多分類方法研究.pdf
- 基于支持向量機的多分類問題研究.pdf
- 基于多分類支持向量機的人臉識別研究.pdf
- 基于粒計算的支持向量機多分類模型研究.pdf
- 支持向量機多分類直接算法研究.pdf
- 多分類廣義加權支持向量機研究.pdf
- 基于支持向量機的多分類方法研究及應用.pdf
- 基于支持向量機的多分類模型的研究和設計.pdf
- 基于多分類支持向量機的選股模型研究.pdf
- 支持向量機的多分類擴展算法研究.pdf
- 基于多分類支持向量機的快速入侵檢測模型.pdf
- 支持向量機多分類方法的研究及應用.pdf
- 基于趨同的支持向量回歸機多分類方法研究.pdf
- 多分類支持向量機的推廣性能.pdf
- 多分類支持向量機算法和應用研究.pdf
- 基于聚類與支持向量機多分類的WSN入侵檢測研究.pdf
- 多分類問題的投影雙子支持向量機及其應用.pdf
- 基于混合支持向量機多分類器的交通事件檢測方法研究.pdf
- 基于改進的BPSO和支持向量機的特征基因選擇方法研究.pdf
評論
0/150
提交評論