...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Neural Networks: The Official Journal of the International Neural Network Society >New support vector-based design method for binary hierarchical classifiers for multi-class classification problems.
【24h】

New support vector-based design method for binary hierarchical classifiers for multi-class classification problems.

机译：针对多类分类问题的二元分层分类器的基于支持向量的新设计方法。

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

We propose a new hierarchical design method, weighted support vector (WSV) k-means clustering, to design a binary hierarchical classification structure. This method automatically selects the classes to be separated at each node in the hierarchy, and allows visualization of clusters of high-dimensional support vector data; no prior hierarchical designs address this. At each node in the hierarchy, we use an SVRDM (support vector representation and discrimination machine) classifier, which offers generalization and good rejection of unseen false objects (rejection is not achieved with the standard SVMs). We give the basis and new insight into why a Gaussian kernel provides good rejection. Recognition and rejection test results on a real IR (infrared) database show that our proposed method outperforms the standard one-vs-rest methods and the use of standard SVM classifiers.
机译：我们提出了一种新的分层设计方法，即加权支持向量（WSV）k-means聚类，以设计二进制分层分类结构。该方法自动选择在层次结构中每个节点处要分离的类，并允许可视化高维支持向量数据的群集;没有任何以前的分层设计可以解决这个问题。在层次结构的每个节点上，我们使用SVRDM（支持向量表示和判别机）分类器，该分类器可对未见的错误对象进行泛化并很好地拒绝（标准SVM无法实现拒绝）。我们为高斯内核为何提供良好的拒绝率提供了基础和新见识。在真实的IR（红外）数据库上的识别和拒绝测试结果表明，我们提出的方法优于标准的“一对多休息”方法和标准的SVM分类器。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号