摘要：针对现有的支持向量机多类分类方法的不足之处,提出了一种基于超球体支持向量机的不完全二叉树多类分类算法。该算法首先采用超球体SVM算法,计算各类样本群的分布范围。再利用距离公式,计算各类样本间的距离,基于将最容易分离出来的类最先分割出来的原则,设计二叉树结构,从而提高分类精度。通过仿真实验,分析比较各种方法的性能,从而验证了该算法的有效性。

摘要：为改进基于数据描述的单类分类机识别率,将样本分布密度加入分类机的设计中,提出采用密度诱导型数据描述单类分类机（DISVDD）.以支撑向量域描述（SVDD）算法为基础,通过一种简易的形式引入数据密度因子,使高密度区数据对分类支撑域的作用被强化,而低密度区数据的作用被削弱,结果使分类超球体因靠近高密区而提高其识别性能,而且不增加计算复杂度.在构造样本值与真实数据集上的实验结果表明,所提出的算法对于不同类型的数据均具有更好的推广性.

摘要：在研究目标函数和约束条件的性质与允许误差的条件下 ,研究了断定全局优化方案就存在于变量网格结点中的若干个结点之间的问题 .提出了拟三维空间和超球体概念 ;导出了确定可计算的网格结点公式 。

摘要：在研究SR-tree(Sphere/Rectangle-tree)和X-tree(eXtendednodetree)的结构与性能的基础上,针对SR-tree分裂算法的不足,改进了分裂算法,结合两者的优点,设计了一种新的多维索引结构ESR-tree(ExtendedSR-tree)。实验表明,随着数据量和维数的增多,ESR-tree的性能要优于SR-tree和X-tree。

摘要：多维索引技术是基于内容检索的图像数据库的关键技术。SR-tree和X-tree是目前比较成熟有效的多维索引技术。为了提高多维索引的性能,我们在分析SR-tree和X-tree的结构和性能的基础上,针对SR-tree分裂算法的不足,引入X-tree中超级节点的思想,通过改进插入和分裂算法,设计了一种新的多维索引结构ESR-tree,即ExtendedSR-tree。实验表明,随着数据量和维数的增多,ESR-tree的性能明显优于SR-tree和X-tree。