论文部分内容阅读
该文提出一种基于二级先验概率的多元核Logistic分类机,扩展核Logistic回归为多元模型,并解决其解的稀疏性问题,以提升多分类应用时的模型运行速率。为约简模型构建所需计算量,训练过程采用自下向上增补算法,每次迭代采用尽量少的输入样本,规避了大型矩阵逆操作,以适应于不同量度的数据场合。实验显示,所提多元分类机模型构建简单,且识别率与稀疏性都优于经典支持向量机所生成的"一对一"多分类方法及传统多元核Logistic回归算法。