一种新的支持向量机树学习模型.pdfVIP

第38卷第2期 东南大学学报(自然科学版) V01．38No．2 OFSOUTHEAST Science Mar．2008 2008年3月 JOURNAL UNIVERSITY(NaturalEdition) 一种新的支持向量机树学习模型 章品正1 徐琴珍2 王 征1 舒华忠1 (1东南大学计算机科学与工程学院，南京210096) (2东南大学信息科学与工程学院，南京210096) 摘要：针对特征空间维数较高时，混淆交叉支持向量机树中间节点的学习结果可能包含冗余特 征信息的情况，考虑各维特征之间的相互关系以及各数据点之间的相互关系对数据的分类影响， 提出一种基于有监督局部线性嵌入的支持向量机树学习模型．考虑每个中间节点上需要不同的 特征信息进行局部决策，分别对每个中间节点(包括根节点)上的样例进行有监督局部线性嵌入 学习．实验以手写阿拉伯数字识别问题为例验证和分析了模型的结构和分类识别性能，与其他学 习模型的对比结果表明，该模型能在有监督局部线性嵌入学习的基础上，以更精简的结构获得与 其他学习模型可比的识别精确率． 关键词：混淆交叉；支持向量机树；有监督局部线性嵌入 中图分类号：TP301．6文献标识码：A 文章编号：1001—0505(2008)02-0335-05 Novel vectormachinetree model support learning Xu Shu ZhangPinzhen91Qinzhen2WangZhen91 Huazhon91 Schoolof Scienceand (1 Computer Engineering，SoutheastUniversity，Nanjlag210096，China) SchoolofInformationScienceand (2 University，Nanjing210096，China) Engineering，Southeast of ofredundantfeatureinformationcontainedininternalnodesconfusion． Abstract：Theproblem crossed vector classificationin dimensionalfeature is machinetree(CSVMT)for support high space addressed．A linear basedCSVMTis tOinvolvetheinforma- supervisedlocally embedding proposed data inclassification 10Cal tionbetweendifferentfeaturesandcorrelationbetween points phase．Since decisionineachinternalnode differentfeature