一种LDA与SVM混合的多类分类方法

针对决策有向无环图支持向量机（ＤＤＡＧＳＶＭ）需训练大量支持向量机（ＳＶＭ）和误差积累的问题，提出一种线性判别分析（ＬＤＡ）与ＳＶＭ混合的多类分类算法．首先根据高维样本在低维空间中投影的特点，给出一种优化ＬＤＡ分类阈值；然后以优化ＬＤＡ对每个二类问题的分类误差作为类间线性可分度，对线性可分度较低的问题采用非线性ＳＶＭ加以解决，并以分类误差作为对应二类问题的可分度；最后将可分度作为混合ＤＤＡＧ分类器的决策依据．实验表明，与ＤＤＡＧＳＶＭ相比，所提出算法在确保泛化精度的条件下具有更高的训练和分类速度．