基于向量机学习算法的多模式分类器的研究及改进

合集下载

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

相比，在基本不影响分类正确率的前提下，机器训练与识别次数显著减少，算法运行速度明显提高。关键词：模式识别；支持向量机；相关向量机；分类器；“ 一对一 ” 算法
中图分类号：ＴＰ３０１文献标志码：Ａ文章编号：１００７－４４９Ｘ（２０１３）０１ — ０１１４－０５
Ａｂｓｔｒａｃｔ：Ｉｎｏｒｄｅｒｔｏｉｍｐｒｏｖｅｃｌａｓｓｉｉｆｃａｔｉｏｎｅｆｉｃｉｅｎｃｙｏｆｍｕｌｔｉｅｌａｓｓｐａｔｔｅｒｎｒｅｃｏｇｎｉｔｉｏｎｂａｓｅｄｏｎ“ ｏｎｅａ —
Ｒｅｓｅａｒｃｈａｎｄｉｍｐｒｏｖｅｍｅｎｔｏｆｍｕｌｔｉｃｌａｓｓｐａｔｔｅｒｎｃｌａｓｓｉｉｅｆｒｂａｓｅｄｏｎｖｅｃｔｏｒｍａｃｈｉｎｅｌｅａｒｎｉｎｇａｌｇｏｒｉｔｈｍ
ｒｅｌｅｖａｎｃｅｖｅｃｔｏｒｍａｃｈｉｎｅａｌｇｏｒｉｔｈｍｉｎｍｕｌｔｉ — ｍｏｄｅｃｌａｓｓｉｉｃｆａｔｉｏｎ，ａｎｄｏｕｆｎｄｔｈａｔｃｏｍｐａｒｉｓｏｎｆｏｒｔｏｏｍａｎｙｔｉｍｅｓｗａｓｔｈｅｍａｉｎｒｅａｓｏｎｏｒｆｌａｒｇｅａｍｏｕｎｔｏｆｃａｌｃｕｌａｔｉｏｎ．Ｐｒｏｐｏｓｅｄａｗａｙｔｈａｔｅｌｉｍｉｎａｔｅｄｔｈｅｍｏｓｔｄｉｓ — ｓｉｍｉｌａｒｃｌａｓｓｉｎｅａｃｈｒｏｕｎｄｏｆｃｏｍｐａｉｓｒｏｎ．Ｃｏｍｐａｒｉｓｏｎｔｉｍｅｓｗｅｒｅｒｅｄｕｃｅｄｓｔｅｐｂｙｓｔｅｐｐｅｒｃｙｃｌｅ．Ｔｈｅｃｌａｓｓｉｉｃｆａｔｉｏｎｎｕｍｂｅｒｗａｓｍｏｒｅ，ａｎｄｔｈｅｄｅｃｒｅａｓｅｉｎｔｈｅｔｏｔａｌｃａｌｃｕｌａｔｉｏｎａｍｏｕｎｔｗａｓｍｏｒｅｏｂｖｉｏｕｓ．Ｔｈｅｔｈｅｏｒｙａｎａｌｙｓｉｓａｎｄｔｈｅｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｏｆｄａｔａｃｌａｓｓｉｉｃｆａｔｉｏｎｓｈｏｗｔｈａｔｃｏｍｐａｒｅｄｗｉｔｈｔｒａｄｉｔｉｏｎａｌｃｌａｓｓｉｔｆｅｒ，ｔｈｅｔｒａｉｎｉｎｇｔｉｍｅｓａｎｄｔｈｅｒｅｃｏｇｎｉｔｉｏｎｔｉｍｅｓｏｆｔｈｅｍｅｔｈｏｄａｒｅｇｒｅａｔｌｙｒｅｄｕｃｅｄｕｎｄｅｒｔｈｅｐｒｅｍｉｓｅｏｆ
ｇａｉｎｓｔｏｎｅ ”ｌｅａｒｎｉｎｇａｌｇｏｒｉｔｈｍｉｎｖｅｃｔｏｒｍａｃｈｉｎｅ，ｉｎｖｅｓｔｉｇａｔｅｄｔｈｅｍｅｔｈｏｄｏｆｓｕｐｐｏ￣ｖｅｃｔｏｒｍａｃｈｉｎｅａｎｄ
第ｌ７卷
第ｌ期
电机与控制学报
ＥＬＥＣＴＲＩＣＭＡＣＨＩＮＥＳＡＮＤＣ０ＮＴＲ０Ｌ
Ｖｏ１．１７Ｎｏ．１
２０１３年１月
Ｊａｎ．２０１３
基于向量机学习算ｈｏｏｌｏｆＥｌｅｃｔｒｉｃａｌａｎｄＥｌｅｃｔｒｏｎｉｃＥｎｇｉｎｅｅｒｉｎｇ，ＨａｒｂｉｎＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，Ｈａｒｂｉｎ１５００８０，Ｃｈｉｎａ）
柳长源＇毕晓君，韦琦
（１．哈尔滨工程大学信息与通信工程学院，黑龙江哈尔滨１５０００１；２．哈尔滨理工大学电气与电子工程学院，黑龙江哈尔滨１５００８０）
摘要：为了提高向量机 “ 一对一 ” 学习算法在多模式识别中的分类效率，对基于支持向量机和相
ＬＩＵＣｈａｎｇ — ｙｕａｎ一，ＢＩＸｉａｏ — ｊｕｎ，ＷＥＩＱｉ
（Ｉ．ＣｏｌｌｅｇｅｏｆＩｎｆｏｒｍａｔｉｏｎａｎｄＣｏｍｍｕｎｉｃａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＨａｒｂｉｎＥｎｇｉｎｅｅｒｉｎｇＵｎｉｖｅｒｓｉｔｙ，Ｈａｒｂｉｎ１５０００１，Ｃｈｉｎａ；
关向量机算法进行多模式分类的方法进行研究，发现比较次数过多是该方法计算量大的主要原因。提出了一种在每轮比较中，排除最差类别的新方法。该方法使比较次数逐级减少，并且当类别数较多时，总计算量减少尤其明显。通过理论分析和对数据分类的实验结果表明，新方法与传统分类器