论文部分内容阅读
针对传统的DTBSVM算法中判断类间的可分的难易程度时可能造成的错误判断，提出了基于空间重叠度的DTSVM多类分类方法。该方法通过计算已知的类别样本在空间中的重叠度，合并有重叠的类，组合为一个新的类，再基于一种有效的类间可分性准则进行划分，使得容易划分的类能从决策树的根节点开始逐层分割出来，再划分有类间重叠的类，这样就可以尽量地避免“误差累积”的风险，构造出分类效果好的决策树结构。实验结果表明，该方法大大提升了DTSVM多类分类算法的分类正确率。