一种LDA与SVM混合的多类分类方法
DOI:
CSTR:
作者:
作者单位:

空军工程大学导弹学院,陕西三原713800

作者简介:

张宏达

通讯作者:

中图分类号:

TP181

基金项目:


Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    针对决策有向无环图支持向量机(DDAGSVM)需训练大量支持向量机(SVM)和误差积累的问题,提出一种线性判别分析(LDA)与SVM 混合的多类分类算法.首先根据高维样本在低维空间中投影的特点,给出一种优化LDA 分类阈值;然后以优化LDA 对每个二类问题的分类误差作为类间线性可分度,对线性可分度较低的问题采用非线性SVM 加以解决,并以分类误差作为对应二类问题的可分度;最后将可分度作为混合DDAG 分类器的决策依据.实验表明,与DDAGSVM 相比,所提出算法在确保泛化精度的条件下具有更高的训练和分类速度.

    Abstract:

    参考文献
    相似文献
    引证文献
引用本文

张宏达,王晓丹,徐海龙.一种LDA与SVM混合的多类分类方法[J].控制与决策,2009,24(11):1723-1728

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2008-12-14
  • 最后修改日期:2009-04-14
  • 录用日期:
  • 在线发布日期: 2009-11-20
  • 出版日期:
文章二维码