典型文献
基于一致性预测支持向量机的多分类算法
文献摘要：
针对一致性预测支持向量机的多分类问题,提出了两种多分类算法,分别是基于一致性预测一对多支持向量机算法(One-Vs-Rest Support Vector Machine Algorithm Via Conformal Predictors,OVR SVM CP)和基于一致性预测一对一支持向量机算法(One-Vs-One Support Vector Machine Algorithm Via Conformal Predictors,OVO SVM CP).首先,将多分类问题转化为二分类问题,利用决策函数定义奇异值函数.然后,对这两种算法进行数值模拟实验,并与OVO SVM、OVO LSSVM、OVO TWSVM、HSVM算法相比较.最后,将两种算法应用于6组真实数据集测试其分类预测效果.仿真实验和真实数据应用结果表明,提出的两种算法预测效果较好,相比于其他3种的支持向量机算法有更高的预测准确率.
文献关键词：
支持向量机;一致性预测;决策函数;域预测
中图分类号：
作者姓名：
周跃进;杨林
作者机构：
安徽理工大学数学与大数据学院,安徽 淮南 232001
文献出处：
引用格式：
[1]周跃进;杨林-.基于一致性预测支持向量机的多分类算法)[J].安徽理工大学学报（自然科学版）,2022(06):71-78
A类：
一致性预测,HSVM
B类：
分类算法,多分类问题,多支,支持向量机算法,One,Vs,Rest,Support,Vector,Machine,Algorithm,Via,Conformal,Predictors,OVR,CP,一对一,OVO,问题转化,二分类问题,决策函数,函数定义,奇异值,值函数,数值模拟实验,LSSVM,TWSVM,算法应用,真实数据,分类预测,数据应用,算法预测,预测准确率,域预测
AB值：
0.345269
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
