基于误差修正码的支持向量机大类别分类方法

针对传统的支持向量机大类别分类算法存在的不足,结合支持向量机快速准确的分类性能和误差修正输出码误差修正的特点,提出一种基于误差修正输出码的支持向量机大类别分类方法,分析了误差修正输出码误差修正的原理,提出4种最优误差修正输出码编码方法.并将该方法与传统的支持向量机大类别分类方法"一对多"算法相比较,通过实验研究表明,该方法能有效的提高支持向量机大类别分类器的分类精度,具有良好的分类品质指标.

基于支持向量机的特征提取与分类

支持向量机(Support Vector Machine，SVM)是Cottes & Vapnik于1995年首次提出的一种新的学习算法。现已广泛应用于模式识别，函数拟合等领域。与传统模式识别方法不同，支持向量机首先通过非线性变换将输入空间变换到一个高维空间，然后在这个新空间中进行优化分界面，而这种非线性变换是通过定义适当的内积函数实现的。