支持向量机与哈夫曼树实现多分类的研究

胡俊; 滕少华; 张巍; 刘冬宁

doi:10.3969/j.issn.1007-7162.2014.02.007

欢迎来到能源电力期刊网！

English Version 期刊登录

您当前的位置：

首页 >

文章列表页 >

支持向量机与哈夫曼树实现多分类的研究

更新时间：2026-05-27

- 支持向量机与哈夫曼树实现多分类的研究
- Research on Multi-class Classification Based on SVM and Huffman Tree
- 广东工业大学学报 2014年31卷第2期页码：36-42
- 作者机构：
- 作者简介：
  
  胡俊（1986-），硕士研究生，主要研究方向为数据挖掘、软件工程.
- 基金信息：
  
  教育部重点实验室基金资助项目（110411）;广东省自然科学基金资助项目（10451009001004804，9151009001000007）;广东省科技计划项目（2012B091000173）;广州市科技计划项目（2012J5100054）和韶关市科技计划项目（2010CXY/C05）
- DOI：10.3969/j.issn.1007-7162.2014.02.007
  中图分类号： TP274
- 网络首发：2014-06-06，
  
  纸质出版：2014
- 稿件说明：
移动端阅览
胡俊, 滕少华, 张巍, 刘冬宁. 支持向量机与哈夫曼树实现多分类的研究[J]. 广东工业大学学报, 2014, 31(2): 36-42.

胡俊, 滕少华, 张巍, et al. Research on Multi-class Classification Based on SVM and Huffman Tree[J]. 2014, 31(2): 36-42.
胡俊, 滕少华, 张巍, 刘冬宁. 支持向量机与哈夫曼树实现多分类的研究[J]. 广东工业大学学报, 2014, 31(2): 36-42. DOI： 10.3969/j.issn.1007-7162.2014.02.007.

胡俊, 滕少华, 张巍, et al. Research on Multi-class Classification Based on SVM and Huffman Tree[J]. 2014, 31(2): 36-42. DOI： 10.3969/j.issn.1007-7162.2014.02.007.

摘要

基于支持向量机和决策树的多分类方法存在错误累积问题，累积的错误往往使分类准确率下降，分类效果变差.在仔细分析了其产生错误累积原因的基础上，提出了基于哈夫曼树的支持向量机多分类方法.该方法首先将一个多分类问题分解为多个二分类问题，针对每个二分类问题使用支持向量机二分类方法解决；然后根据相异度来决策分类的优先顺序，构建基于哈夫曼树的支持向量机多分类模型；最后使用勒卡斯开源数据集进行验证，并将它与传统的支持向量机多分类方法进行实验比较.实验结果表明，新的方法在分类速度和分类精度上较传统的支持向量机多分类方法优越.

Abstract

There exists error accumulation in the multi-classification method

based on support vector machines and decision trees. It tends to decrease classification accuracy and results in a bad classification. With a careful analysis of error accumulation

it proposes a new multi-classification method

based on Huffman Tree and SVM. It divided a multi-classification problem into multiple binary classification problems

and gave classification priority

depending on the dissimilarity. At last

through an experiment with Lecast open source data sets

it verified the effectiveness. The experimental results show that the new method is superior to the traditional multi-classification method in classification speed and classification accuracy.

关键词

Keywords

references

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

面向标签可变性的可拓分类方法

采用SVM方法的文本情感极性分类研究

预防客户流失的可拓转化策略研究

基于AAGV-YOLOX模型的输电线路异物检测研究

基于路况参数的混合动力机车能量管理策略研究