基于KNN算法的改进的一对多SVM多分类器

摘要：

针对传统支持向量机(SVM)多分类一对多算法存在的运算量大、耗时长、数据偏斜以及对最优超平面附近点分类易出错问题,提出了一种改进方法.将数据空间分为密集区和稀疏区,各类中密集点归于密集区,其余归于稀疏区.将每类中密集点连同它附近的点用于训练得到相应的SVM分类器.在测试阶段,对密集区的待测样本用传统的一对多判别准则来做类别预测;对稀疏区的待测样本则采用K近邻(KNN)算法.数值实验结果表明,改进的算法在耗时和分类精度上都优于原算法,对解决一对多算法存在的问题有较好的成效.

关键词：支持向量机(SVM)、一对多、K近邻(KNN)、数据偏斜

所属期刊栏目：51

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金11271367

在线出版日期：2016-01-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：126-131