基于dag-svms的svm多类分类方法

《基于dag-svms的svm多类分类方法》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、万方数据基于DAG-SVMS的SVM多类分类方法刘勇，全廷伟(华中科技大学教学系，武汉430074)摘要：皋文夼绍了几种常用的支持向量机多类分粪方法，分析了其存在的问题魔缺点。在有向无环围支持向量(DAG—SVMS)多类分类方法的基础上。挺出了一种新的多类分类方法。谊方法采用了最小超球俸奏包畚作为层袭分类依据。试验结果表明，采用谊方法进行多类分类，堆已有的分类方法相比有更高的分类精度。关键词：支特向量机：多丧分类；DAG—SVMS；多熹支持向量分臭中圈分类号：0235文献标识码：A文章簿号：1002-

2、-6487(2007)20一D146-03统计学习理论fstatisticadLearningneory。SLT)是一种专门研究小样本情况下机器学习规律的理论。V．Vapnik等人从上世纪60年代开始致力于此方面研究，到90年代中期．随着其理论的不断发展和成熟，统计学习理论开始受到越来越广泛的重视。统计学习理论是建立在一套较坚实的理论基础之上的，为解决有限样本学习问题提供了一个统一的框架。同时，在这一理论基础上发展了一种新的通用学习方法一支持向量机(SupportVectorMaclli肥，SVM)，

3、它已初步表现出很多优于已有方法的性能。SVM最初是为解决二分类问题而设计的，不能直接用于解决多分类问题。而在实际应用中遇到的多为多分类问题．目前已经有许多算法将SVM推广到多分类问题应用中，如文本(超文本)分类、图像分类、生物序列分析和手写字符识别等。1常用的多粪支持向■机方法支持向量执方法最初是针对两类分类问题而提出的，如何将两类分类方法扩展到多类别分类是支持向量机研究的重要内容之一。K类分类问题(K>2)和两类分类问题之间存在一定的对应关系，如果一个分类问题K类可分．则这K类中的任何两类间一定可分

4、；反之，在一个K类分类同题中，如果已知任意两两可分，则通过一定的组合法则，可由两两可分来最终实现K类可分。目前有以下一些常用方法实现持持基金项目：遥禾白然科学基仝赍助项目(60373090)；航天基金膏动项目(021．3：504)‘需要设置“设计费”、“设备类”、“建筑类”、“园林绿化类”、“工了项目的可持续性评价，体现了可持续性发展的理念。为以程材料”、“安装工程”、“待摊授资”、“已完工程”、“预付工程后的城镇公共设施项目后评价提供了参考。然而，如何对评款”等9个大类别。在电算化会计核算中，获取资

5、料非常便价指标体系加以完善，以提高指标体系的可操作性，仍有待捷。正是由于以上充分的筹建准备和科学的会计核算，为建进一步的研究。设期及时、准确地向领导提供财务信息，合理调配资金。有效地控制建设成本打下了良好的基础。二期项目管理者对筹建支出进行了折中的技巧处理，即设立“在建工程二期“一级科目，并在其下设“筹建费用”二级科目和费用明细三级科目，回避使用“开办费”一级科目。这样既明确将二期筹建费用和二期建设支出区别开来，也有效避免了公司在未来纳税方面和帐务处理方面的被动。这充分反映出项且管理者有很强的控制能力

6、。4结论本文的指标体系充分考虑了项目对经济、社会、环境等各方面的效益影响，克服了以往的指标体系主要佣重于经济效益评价、忽视社会效益、环境效益评价的弊端。尤其是增加146统计与决策2J]07年第20抽(总第7A8期)◆考文t：【1]Wa,dWilliamA，DerenBmyJ，HDa61vaEl雌删el疆日分析艟峁学赛戒措南f圳．卢有杰译．北京：清牛走学出版杜．2001．78-93，【2】祝患青．公路建诖疆目后评价指标体秉研览叨．置津理工荦盹挚报，2004．(12)：37—∞．【3】陆莉喜．韩回土，牟君

7、君．城市基础设施嘎目社套评侪指标俸摹的构建册．料挂进步与对蕈，2(302．(2)：103—104．【4】张飞照．鼓路建设疆日社鲁后评价^吝度指标俸表的袖建m开

8、L研宽．2C05．(5》：80-83．15]Dev；dReedStructralAdjunlnent．theEnvlmnrnentendSuMIjn-址Development[M]．WwF-Irecreational．1996．199-244．【6】黄硅喜，井鼍新．担费嘎_可特堆直展后评价研克咖，软科擘。2004，(4)：13-17．e责任编辑

9、／易永生)万方数据向量机的多类别分类。111-v—rSVMSl-v，r方法(One—VersUB—therestMethod)掏造★个支持向量机子分类器。在构造第i个支持向量机子分类器时．将属于第i类别的样本数据标记为正类，不属于i类别的样本数据标记为负类。测试时．对测试数据分别计算各个分类器的决策函数值．并选取函数值最大对应的类别为测试数据的类别。1．21一v一1SVMS1_v-1方法(One-versus--oneMethod)是由Knerr提出的，