%0 Journal Article
%T 支持向量机多类目标分类器的结构简化研究
%A 王立国
%A 张晔
%A 谷延锋
%J 中国图象图形学报
%D 2005
%R 10.11834/jig.200505114
%X 由于支持向量机(SVM)在模式识别和回归分析中有着独特优势，因此成为近来研究的热点，其优势主要体现在处理非线性和高维数据问题方面。最初的SVM特别适合解决两类目标分类问题，而对于多类目标分类，则需将其转化为多个两类目标分类问题，相应地即可构造多个两类目标子分类器，但由于这种情况导致了分类器结构的过于复杂，从而导致判决速度的降低。为了快速地进行分类．提出了一种简化结构的多类目标分类器，其不仅使得子分类器数目大大减少，而且使分类速度明显提高；同时对其分类精度和复杂度进行了对比分析。实验结果证明。该分类器是有效的。
%K 目标分类器
%K 结构简化
%K 支持向量机（SVM）
%K 分类问题
%K 回归分析
%K 模式识别
%K 高维数据
%K 对比分析
%K 分类精度
%K 非线性
%K 类速度
%K 复杂度
%K 优势
%U http://www.cjig.cn/jig/ch/reader/view_abstract.aspx?file_no=200505114&flag=1