论文部分内容阅读
支持向量机建立在统计学习理论基础上，应用VC维理论和结构风险最小化原理，借助于最优化方法等，在很大程度上克服了传统机器学习面临的维数灾难，局部最小点以及过学习等难以克服的困难，并具有良好的泛化能力。但是支持向量机本身是一个两类问题的判别方法，不能直接应用于多类问题。
本文综合介绍了目前存在的基于支持向量机的多类别分类方法，比较了它们的优缺点及性能。针对现有的支持向量机多分类方法存在的问题，结合信息熵的概念，提出了两级支持向量机多类分类模型。在美国加州大学所提供的实验数据库上进行了验证，并将实验结果与神经网络和其它支持向量机方法的实验数据进行了对比，得到比较满意的结果。