基于核聚类方法的多层次支持向量机分类树  

Hierarchical support vector machines based on kernel clustering

作　　者：张国宣[1] 孔锐[1] 施泽生[1] 郭立[1] 刘士建[1] 薛明东[1] 

机构地区：[1]中国科学技术大学电子科学与技术系,安徽合肥230026

出　　处：《控制与决策》2004年第11期1305-1307,1311,共4页Control and Decision

基　　金：教育部高校博士点基金资助项目(20020358023).

摘　　要：针对解决多类模式识别问题的SVM方法进行研究,在比较几种常用的多类SVM分类算法的基础上,提出一种基于核聚类方法的多层次SVM分类树,将核空间中的无监督学习方法和有监督学习方法结合起来,实现了一种结构更加简洁清晰、计算效率更高的多层SVM分类树算法,并在实验中取得了良好的结果.The support vector machines (SVM) for multiclass pattern recognition are discussed. Some common SVMs for multiclass classification problems are compared. In particular, a hierarchical support vector machine is proposed based on kernel clustering method and combine the unsupervised learning method and supervised learning together. The algorithm is more effective and simple in structure and proved to performance better by (experiment.)

关 键 词：多类模式识别 支持向量机 核聚类 统计学习理论 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术]