摘要
支持向量机(Support Vector Machine,SVM)是上世纪九十年代提出的一种基于小样本的新的统计学习方法,较好地解决了非线性、高维数、局部极小点等实际问题.文中分析了SVM基础理论并总结了目前存在的基于支持向量机的主要分类方法,包括"一对多"方法、"一对一"方法、决策有向无环图方法、基于二叉树的多类分类方法和其它方法,并对各自的优缺点及性能做了比较.
Support Vector Machine（SVM） is a statistic learning method based on less samples proposed in recent years and can well resolve such practical problems as nonlinearity,high dimension and local minima.In this paper,several methods have been proposed including ′one-against-all′,′one-against-one′,DAGSVMS,Classification method of mufti-class SVM based on binary tree（BT-SVMS）;the excellences and defections of the existing classification algorithm for multi-class SVM are introduced and analyzed.
出处
《山西大同大学学报（自然科学版）》
2010年第3期6-8,14,共4页
Journal of Shanxi Datong University(Natural Science Edition)
基金
天津市自然科学重大基金项目[07JCZDJC06500]
山西省教育科学"十一五"规划课题[GH-09229]
关键词
支持向量机
机器学习
多类分类器
Support Vector Machines（svm）
Machine learning
Multi-class classifier
