基于SVM一对一多分类算法的二次细分法研究

陈中杰; 蒋刚; 蔡勇

doi:10.13873/j.1000-97872013.04.034

Chinese

您当前的位置：

首页 >

文章列表页 >

基于SVM一对一多分类算法的二次细分法研究

研究与探讨 | 更新时间：2025-09-11

- 基于SVM一对一多分类算法的二次细分法研究
- Research of secondary subdivision method for one-versus-one multi-classification algorithm based on SVM
- 传感器与微系统 2013年32卷第4期页码：44-47
- 作者机构：
  
  1. 西南科技大学计算机科学与技术学院
  2. 西南科技大学制造科学与工程学院
- 作者简介：
- 基金信息：
  
  国家自然科学基金资助项目（11176027）
- DOI：10.13873/j.1000-97872013.04.034
  中图分类号： TP18
- 纸质出版：2013
- 稿件说明：
移动端阅览
[1]陈中杰,蒋刚,蔡勇.基于SVM一对一多分类算法的二次细分法研究[J].传感器与微系统,2013,32(04):44-47.

CHEN Zhong-jie1, JIANG Gang2, CAI Yong2. Research of secondary subdivision method for one-versus-one multi-classification algorithm based on SVM[J]. 2013, 32(4): 44-47.
[1]陈中杰,蒋刚,蔡勇.基于SVM一对一多分类算法的二次细分法研究[J].传感器与微系统,2013,32(04):44-47. DOI： 10.13873/j.1000-97872013.04.034.

CHEN Zhong-jie1, JIANG Gang2, CAI Yong2. Research of secondary subdivision method for one-versus-one multi-classification algorithm based on SVM[J]. 2013, 32(4): 44-47. DOI： 10.13873/j.1000-97872013.04.034.

摘要

在研究了支持向量机（SVM）多分类算法的基础之上

针对一对一多分类算法出现不可分区域问题

提出了基于SVM一对一多分类算法的二次细分方法

并将该方法应用于弹簧应力小样本数据的多分类仿真实验。通过与原始方法的仿真结果进行对比

改进方法在多花费了极短时间的前提下

显著提高了分类正确率。针对改进方法可能存在的问题

又通过10次仿真实验验证了该方法的可行性

同时也为SVM在小样本分类领域提供了新的思路。

Abstract

On the basis of research on multi-classification algorithm of SVM

aiming at problem of inseparable area appeared in one-versus-one multi-classification algorithm

the secondary subdivision method based on the one-versus-one multi-classification algorithm based on SVM is proposed.And this method is applied to classify the small samples data of the spring stress in the simulation experiment.Compared with the simulation results of original method

the new method improves correct rate of classification which it costs some extra time.Aiming at problems the improved method possibly has

the feasibility is verified through ten simulation experiments.At the same time

it provides a new concept in classification field of the small samples.

关键词

Keywords

references

基于SVM算法的碟形水下机器人姿态预测方法研究 [J]. 王天,叶秀芬,刘晓阳,王雷. 传感器与微系统 . 2012(04)

一种改进的一对一多类支持向量机 [J]. 肖荣,李金凤,覃俊. 软件导刊 . 2010(10)

基于二层SVM多分类器的桩基缺陷诊断 [J]. 康维新,彭喜元. 电子学报 . 2008(S1)

基于支持向量机的多类分类算法研究 [J]. 赵有星,李琳. 科技信息(科学教研) . 2007(29)

一种基于SVM分类的多类识别方法及应用 [J]. 安欣,王韬,张录达. 北京农学院学报 . 2006(02)

A decision based one-against-one method for multi-class support vector machine [J] . R. Debnath,N. Takahide,H. Takahashi. Pattern Analysis and Applications . 2004 (2)

浏览量

377

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

暂无数据