基于支持向量的多类分类器设计

摘要

用相异非零正实数表示不同样本模式,通过非线性映射把样本映射到特征空间,在特征空间中确定一变量系数及偏置待定的线性映射表示样本与模式实数间对应关系,映射输出为零所确定的面作为参考基准.在保证映射输出与样本模式尽力接近约束下,增大不同模式样本相对参考基准面的距离差,该目标对应优化函数与支持向量机(SVM)用于回归估计(SVR)求解的目标函数形式一致,故可类似SVR求法得到映射各待定参数.用IRIS数据对该分类器的测试结果显示:分类准确率优于LVQ神经网络方法,同其它SVM多类分类法比,识别速度快,准确率较高,接近DAGSVM(按照决策定向非循环图组织SVM的多类分类器)准确率.