论文部分内容阅读
传统的基于聚类的SVM多类分类方法在聚类时并不考虑样本的类别信息,最终形成的二叉树分支一般很多,当异类样本特征相近时该方法性能下降明显。针对这一问题,将线性判别分析法引入二叉树建树过程中,每次在对待训练样本集聚类之前先进行优化处理,通过寻找最佳投影子空间使得同类样本聚集、异类样本松散,从而优化二叉树结构,以此改进分类效果,并在UCI数据集上进行实验,结果表明该方法减少了二叉树分支,提高了分类的准确率。