基于加权策略的SVM多元分类器

基于加权策略的SVM多元分类器

曹鸿，董守斌，张凌

华南理工大学广东省计算机网络重点实验室，广东广州 510640

收稿日期:2006-03-29 修回日期:1900-01-01 出版日期:2006-10-24 发布日期:2006-10-24
通讯作者: 曹鸿

AA SVM multiclassifier based on the weighted threshold strategy

CAO Hong,DONG Shou-bin,ZHANG Ling

Guangdong Key Laboratory of Computer Network， South China University of Technology,

Received:2006-03-29 Revised:1900-01-01 Online:2006-10-24 Published:2006-10-24
Contact: CAO Hong

摘要/Abstract

摘要： 多元分类器通常需要在训练时间和分类精度之间折衷.提出了加权阈值策略和一对多分类方法的改进算法 OVAWWT，以增加结果融合的公平性，从而提高分类精度.基于OVAWWT策略和SVMlight二元分类器，实现了基于SVMlight的多元分类器MSVMlight.在CWT100G数据集进行的实验表明，该分类器具有较高的分类精度以及较短的训练和分类时间.相同的数据集上的阈值策略选择实验也说明了加权阈值策略能提高分类精度.

关键词: 支持向量机, 一对多, 多元分类 , 加权阈值策略

Abstract: algorithm named OVAWWT are presented to improve the equitableness and the precision of classifiers, a multiclassifier of SVMlight named MSVMlight based on the OVAWWT strategy is implemented, and two experiments on CWT100G data set are constructed, one to compare MSVMlight with other classifiers, and the other to compare WRCut strategy with RCut strategy. The results show that compared with other classifiers MSVMlight has a higher precision rate and shorter training time and that OVAWWT algorithm can improve the precision rate of OVA.

Key words: multiclassification , weighted threshold strategy, onevsall, support vector machine

曹鸿,董守斌,张凌 . 基于加权策略的SVM多元分类器[J]. J4, 2006, 41(3): 66-69 .

CAO Hong,DONG Shou-bin,ZHANG Ling . AA SVM multiclassifier based on the weighted threshold strategy[J]. J4, 2006, 41(3): 66-69 .

参考文献

相关文章 11

[1]	彭秋芳,刘洋. 基于SVM的电子商务行为的性别判断[J]. 山东大学学报（理学版）, 2016, 51(7): 74-80.
[2]	苏丰龙,谢庆华,黄清泉,邱继远,岳振军. 基于直推式学习的半监督属性抽取[J]. 山东大学学报（理学版）, 2016, 51(3): 111-115.
[3]	杜红乐,张燕,张林. 不均衡数据集下的入侵检测[J]. 山东大学学报（理学版）, 2016, 51(11): 50-57.
[4]	杜瑞颖, 杨勇, 陈晶, 王持恒. 一种基于相似度的高效网络流量识别方案[J]. 山东大学学报（理学版）, 2014, 49(09): 109-114.
[5]	刘飚1,2,陈春萍3,封化民1,3,李洋3. 基于Fisher准则的SVM参数选择算法[J]. J4, 2012, 47(7): 50-54.
[6]	曹林林1,2,张化祥1,2*,王至超1,2. 一种基于信息熵数据修剪的支持向量机:EB-SVM[J]. J4, 2012, 47(5): 59-62.
[7]	张宁仙,郭敏*,马苗. 基于AR模型和SVM的果蝇振翅声分类[J]. J4, 2011, 46(7): 83-86.
[8]	宋玉丹,王士同*. 基于特征缺省的最小类内方差支持向量机[J]. J4, 2010, 45(7): 102-107.
[9]	易超群,李建平,朱成文. 一种基于分类精度的特征选择支持向量机[J]. J4, 2010, 45(7): 119-121.
[10]	杨冰,王士同*. 基于公共矢量的总间隔v最小类内方差支持向量机在噪音人脸图像分类中的应用[J]. J4, 2010, 45(11): 5-11.
[11]	林煜明,李优 . 基于SVM的句子组块识别[J]. J4, 2006, 41(3): 112-115 .

多维度评价

Viewed

Full text

Abstract

Cited

Shared

Discussed