基于多层聚类的多分类SVM快速学习方法

作     者：张春艳 倪世宏 张鹏 查翔 ZHANG Chun-yan;NI Shi-hong;ZHANG Peng;ZHA Xiang

作者机构：空军工程大学航空航天工程学院陕西西安710038 

出 版 物：《计算机工程与设计》 (Computer Engineering and Design)

年 卷 期：2017年第38卷第2期

页      码：522-527页

摘      要：针对SVM大规模多类样本学习效率较低的问题,提出一种基于多层聚类的多分类SVM快速学习方法。采用自下而上的方式构建二叉树层次结构,根据所得层次结构,对每个节点对应的样本进行学习。学习时对训练样本进行首次聚类得到若干类簇,对其中只有一类样本的类簇提取中心点;对有两类样本的类簇,根据其混合度,对其正负类样本设定不同的聚类数,进行二次聚类,提取所得类簇中心点。整合上述步骤中提取的中心点作为约简后的样本,学习并得到子分类器。仿真结果表明,基于多层聚类的多分类SVM快速学习方法能够在保证较高分类准确率的前提下,大幅约简训练样本,有效提高学习效率。

主 题 词：支持向量机 大规模训练集 多分类 多层聚类 二叉树 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 081104[081104] 08[工学] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

D　O　I：10.16208/j.issnl000-7024.2017.02.045

馆 藏 号：203215767...