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 Cluster

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,合肥230026

出　　处：《计算机工程》2005年第5期172-174,共3页Computer Engineering

基　　金：2002年度国家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,在比较常用的几种多类SVM分类算法基础上,提出了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。This paper researches the support vector machines for multiclass pattern recognition and compares some common SVMs for multiclass classification problems. And proposes a hierarchical support vector machines based on kernel cluster method combining 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：TP301.6[自动化与计算机技术—计算机系统结构]