论文部分内容阅读
支持向量机是机器学习中一种有效的分类技术,凭借其良好的泛化能力被广泛地应用于手写数字识别、文本分类、人脸识别及生物信息等领域,然而支持向量机最初是针对两类分类问题提出来的,如何将其有效地推广到多类分类问题成了当前的研究热点, 一对多分类方法是最早被提出用于解决多类分类问题的方法之一,因简单易操作而被广泛地使用,如果合理调整所有分类器,便会具有和其它多类分类方法一样的分类准确度;但是该方法存在不可分区域、测试速度不具竞争力和训练速度缓慢三大问题,本文首先详细地描述了一对多分类法;然后总结了针对一对多分类方法不足之处的改进算法;最后针对一对多分类方法训练速度缓慢,在大规模分类问题中不能被广泛应用的情况,将预选取支持向量的概念引入到一对多分类方法的训练过程中,提出了预选取支持向量的一对多分类方法,简单实验表明该方法可以极大地削减训练样本数目,提高训练速度,而且保证OAA方法的分类准确度不受影响。