%0 Journal Article
%T 一种新的 SVM 决策树
%A 孙昌儿
%A 刘秉瀚
%J 福州大学学报(自然科学版)
%D 2007
%X SVM在小训练样本、高维情况下具有很好的泛化性能,但它不适用于多类分类.本文分析基本的SVM和多类SVM分类器,重点讨论了SVM决策树,提出了一种结点分类器类集合划分方案来构造SVM决策树.实验结果表明,以这种方法构造的SVM决策树分类器分类性能较好.
%K 支持向量机
%K SVM决策树
%K 分类器
%U http://xbzrb.fzu.edu.cn/ch/reader/view_abstract.aspx?file_no=20070379&flag=1