一种新的支持向量机决策树及其应用

摘要

标准支持向量机分类速度比较慢,在很多情况下不能满足实际模式分类问题的要求,针对这种情况,提出了一种新的支持向量机决策树。该方法首先构造在负样本上分类正确率最高的线性支持向量机,并与特征提取相结合得到新的支持向量机分类器,被该支持向量机正确分类的负样本将从训练样本集中删除,类似得到一系列的线性支持向量机,最后用余下的训练样本训练一个非线性支持向量机分类时,决策树中的根节点作为第一个分类器,再根据分类的结果决定下一步的走向。最后将这种方法应用于人脸检测,实验结果证明了该方法使得检测速度有较大的提高,并且检测的正确率并没有明显的下降。