支持向量机多类分类方法.pdfVIP

213 Vo l . 2 1 N o. 3 2006 9 J our nal of D a a A cquisi ion P ro cessing Sep . 2006 : 1004 -90 37 ( 2006) 03-0334 -06 苟　博　黄贤武 ( , , 2 15021) : 支持向量机本身是一 个两类问题的判别方法, 不能直接应用于多类问题。当前针 多类问题的支持向量机 分类方法主要有5 种: 一类 余类法( O VR ) , 一 一法( O V O) , 二叉树法( BT ) , 纠错输出编码法和有向非循环图 法。本文 这些方法进行了简单的介绍, 通过 其原理和实现方法的分析, 从速度和精度两方面 这些方法的优 缺点进行了归纳和总结, 给出了比较意见, 并通过实验进行了验证, 最后提出了一些改进建议。 : 支持向量机; 序列最小最优化算法; 多类分类; 多类支持向量机 : T P 181: A - SVM Mul ti Class Classifi cation G ou Bo, H uang X ianw u ( Scho ol of Elec ro nics and Infor ma io n Eng ineer ing, Soo Cho w U niver si y , Suzho u , 215021, China) Abstract: T he suppor vec o r machine( SV M ) is u sed for he binary -class classif ica ion . I can- no deal wi h mul i-class classif ica io n direc ly. Five m e hods f or m ul i-class classif ica ion are in ro duced based on w idely u sed SV M s . T hey are one versu s res ( OV R) , o ne versus one ( OV O ) , binary r ee ( BT ) , error correc ing ou pu codes ( ECO C) and direc ed acyclic graph ( DA G) . A comparison resul abo u he classifica ion speed and accuracy is given hrough heo - re ic analysis . Ex perim en al resul s demo ns ra e he compariso n resul . In addi ion , some sug - ges ions for improving hese me hods are also presen ed. Key words : suppor vec or machine; sequen ial minimal op imiz a ion ; mul i-class classif ica- ion ; mul i-class suppor vec or machine ( ) , , , , ( , ) ( Suppor vec or machine SV M