以多类支持向量机为基础的小样本信息融合策略.pdfVIP

第26卷第 12期 计 算 机 应 用 研 究 Vo1．26 No．12 2009年 12月 ApplicationResearchofCompute~ Dec．2009 以多类支持向量机为基础的小样本信息融合策略术 钟 珞，李 哲，丁子春，宋华珠，郭翠翠 (武汉理工大学 计算机科学与技术学院，武汉430070) 摘 要：通过将多类支持向量机作为分类器，运用Dempster—Shafer理论等信息融合方法对分类结果进行融合， 实现对小样本的分类。主要采用对多类支持 向量机的分类结果进行求和后取最大值、Dempster—Shafer理论以及 使用Dempster—Shafer理论后第二次使用支持向量机三种方式进行融合。由于支持向量机本身是适用于小样本 的机器学习算法，Dempster—Shafer理论又可以较好地处理不确定性，两者的结合可以较好地处理小样本分类问 题，并提高最终的分类精度。实验结果表明，提出的几种