基于Huffman树的模糊多类支持向量机

摘要

针对二叉树多类分类方法存在的问题,提出了一种基于Huffman树的构造过程自下而上生成二叉树结构的方法。为降低二叉树方法"误差累积"的影响,使用模糊支持向量机来训练每个结点的两类分类器。针对设计隶属度函数时仅考虑样本与类别关系,而不考虑样本间关系的问题,提出了根据传统支持向量机构造的超平面做切球来确定样本间关系的方法,有效地区分了有效样本和噪音、孤立点样本。实验结果表明:同其他多类支持向量机方法相比,该方法具有更好的分类性能。