H-SVMs的构造方法

摘要

通过推导H-SVMs推广能力的模型，得出H-SVMs的推广能力与样本类别数、空间分布、容量、树结构等有关，且保证高优先级结点的推广性能是提高H-SVMs性能的有效途径。根据分析结果，提出了一种基于SVM最大间隔分类、最小间隔聚类构造H-SVMs的新方法。利用SVM的分类间隔作为分类、聚类指标，通过Top-down和Bottom-up两种途径混合构造H-SVMs，其中，最大间隔分类采用Top-down策略，在各结点依次选择最大间隔的SVM，将输入样本按类别分为2类;最小间隔聚类采用Bottom-up策略，在各结点依次选择最小间隔的SVM，将输入样本按类别两两聚类。从UCI数据库中选取多类数据进行测试，实验结果验证了该方法的有效性，说明所构造的H-SVMs具有较好的、稳定的推广性能。