摘要
由于类别较多或者特征单一等原因,传统的支持向量机方法对一些复杂问题的分类,很难获得好的识别效果。首先使用一种树状结构将概率支持向量机推广到多分类问题;然后提出一种自适应权值的多特征融合方法,根据概率输出自动调整不同分类器的相关权值,将所有分类器的结果进行加权得到最终的判决结果。为解决实际应用中常出现的非平衡问题,提出综合权值方法,将类别权值与特征权值进行综合。实验结果表明,融合方法较之传统的支持向量机一对一方法以及概率支持向量机方法能够获得更高的识别率;对于非平衡问题,综合权值方法可以得到更加合理的识别结果。
学科与关键词
关键词
模式识别特征融合概率支持向量机自适应权值 pattern recognitionfeature fusionprobabilistic support vector machineadaptive weight
- 基于改进FCM聚类的BT-SVM多类分类算法权文; 王晓丹微计算机信息, 2009, (06): 230-232.
- 多特征和SVM改进的语音关键词识别系统陈太波; 张翠芳小型微型计算机系统, 2019, (11): 2291-2296.
- 基于模糊c-均值聚类的SVC迭代训练算法陈自洁; 夏成锋仲恺农业工程学院学报, 2011, (01): 39-43.
