快速多类别支撑向量机器-NPUCSIE.PDFVIP

第 十三屆離島資訊技術與應用研討會論文集 快速多類別支撐向量機器 * 柯焯然 姚志佳 朝陽科技大學資訊工程系 朝陽科技大學資訊工程系 .tw ccyao@.tw 摘要 此種方法包括one-against-all 與one-against-one 等 支撐向量機器最初是用來做二元 分類，至今已 方法[1] ，第二種解決方法則是將所有的分類器 擴展到多元分類，如何處理多元分類是一個很重要 (classifier問題合成一個最佳化問題) [2] ，因此當利 的問題 。本論文提出將現有支撐向量機器架構下作 用訓練資料學習時僅需考慮一個最佳化問題即 改進，發展一套新的模式來解決此問題，此模式藉 可。 one-against-all的架構下若欲分類成 個類別 由將訓練資料映射至特徵空間後利用平行的分割 k k 平面分隔類別資料。本論文中證明至少存在一個映 時則須建構出 個支撐向量機器模組，若欲訓練第 i i 射函數使得訓練資料經過此映射函數映射至特徵 個支撐向量機器模組時須將屬於第 類的訓練資 料設定為 ，其餘的訓練資料設定為 。在此架構 空間後其資料可被平行的分割平面完美分類。經實 1 1 驗證明本論文所提出的 分類方法，在準確度上比現 下當所有支撐向量機器模組均以訓練完成時將產 生 個決定函數 (decision functions) 1 T 1 有的方法還要好 。 k (w ) (x) b , 關鍵詞： 多元分類、支撐向量機器 2 T 2 k T k (w ) (x) b , ,(w ) (x) b 。其中代表將訓  練資料 映射至特徵空間的映射函數。在此架構 x Abstract i The support vector machine (SVM) was 下當所有支撐向量機器模組均已訓練完成時將產 originally designed for bin