一种新的基于平衡决策树的SVM多类分类算法
来源期刊：控制与决策2011年第1期
论文作者：刁智华 赵春江 郭新宇 陆声链
文章页码：149 - 308
关键词：支持向量机;决策树;多类分类器;类间可分性;
摘 要：为了有效地减少样本训练时间,提高多类分类器的识别率,同时使模型具有较好的推广能力,在综合考虑待分类样本数和类别易分性能的基础上,在"先分样本数较大的类"和"先分易分的类"之间折衷考虑,提出一种基于样本的新的类划分方案.采用平衡决策树结构,得到了一种新的决策树支持向量机多类分类算法.实验结果表明,该算法在不降低识别率的情况下,能大大减少系统的训练时间,是一种有效的多类分类算法.
刁智华1,2，赵春江1，郭新宇1，陆声链1
1. 国家农业信息化工程技术研究中心2. 中国科学技术大学自动化系
摘 要：为了有效地减少样本训练时间,提高多类分类器的识别率,同时使模型具有较好的推广能力,在综合考虑待分类样本数和类别易分性能的基础上,在"先分样本数较大的类"和"先分易分的类"之间折衷考虑,提出一种基于样本的新的类划分方案.采用平衡决策树结构,得到了一种新的决策树支持向量机多类分类算法.实验结果表明,该算法在不降低识别率的情况下,能大大减少系统的训练时间,是一种有效的多类分类算法.
关键词：支持向量机;决策树;多类分类器;类间可分性;
