基于类间相似方向数的二叉树支持向量机

二叉树支持向量机是多分类的方法之一,其分类效果与二叉树结构有很大的关系。文章针对二叉树结构的分类顺序对分类精度影响的问题,改进了一种类间相似方向,并结合距离,提出了类间相似方向数作为生成偏二叉树支持向量机的多分类方法,弥补了距离不能很好地反映类分离度的缺陷。采用生成二叉树结构的方法进行数据实验分析,表明该方法具有较高的分类精度和分类效率。

一种基于改进NISD的偏二叉树马田系统的数据多分类算法

为解决马田系统多分类算法存在的样本重复训练以及分类准确率下降等问题,文章提出了一种基于改进的类间相似方向数(Number of Inter-class Similarity Direction,NISD)的偏二叉树马田系统多分类算法。该算法利用马氏距离改进类间相似方向数,获得更为科学的样本分类顺序,依此顺序自上而下生成整个偏二叉树,在非叶子节点构造马田系统二分类器,生成最终的分类模型。对于含k个类别的待分类样本,该算法只用训练k-1个二分类器,便可得到马田系统多分类模型,与此同时,层层剥离样本减少了样本的重复训练。UCI数据集实验结果表明,该算法分类效率更高,分类准确率也较高。

基于二叉树的半监督三分类光滑支持向量机研究

文章对半监督三分类光滑支持向量机进行研究。首先,针对二叉树结构的分类顺序对分类精度影响的问题,提出采用基于类间相似方向数生成偏二叉树支持向量机的方法判别分类顺序。其次,将此判别方法应用于半监督三分类中,提出了基于类间相似方向数的半监督三分类光滑支持向量机算法。最后,进行五组数值试验。结果表明,与全监督三分类算法相比,本文算法得到的准确率相对要高,且能在已标记样本比例较少的情况下得到较高的准确率,从而表明了本文的半监督二叉树三分类光滑支持向量机具有优越性。

一种基于SVM的多类文本二叉树分类算法

二叉树支持向量机是解决多类分类问题的算法之一,在目前多类分类算法中总体性能较优,但仍存在分类速度及分类精度不高等缺点。针对这些缺点,论文对二叉树支持向量机算法在二叉树结构及分类顺序两个方面进行改进,提出了基于类间相似度量数的二叉树构造算法。实验结果表明,论文算法具有更高的分类速度和准确度,能更好地解决多类分类问题。