导读:本文包含了多类分类器论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:向量,特征,字符,神经网络,对数,线性,间隔。
多类分类器论文文献综述
李雪花,许姜涤宇,于安军,杜宇人[1]（2016）在《基于SVM多类分类器的字符识别》一文中研究指出针对字符识别相似字符识别能力差,速度慢等问题,提出基于支持向量机的识别方法。首先提取预处理后的字符特征,然后进行降维处理,再设计多类分类器并进行训练,最后选取合适的核函数进行识别。实验表明,该方法识别率高达97.65%,且具有适应性强和效率高的特点,具有较高的实用价值。(本文来源于《信息技术》期刊2016年01期）
候明,张新新,范丽亚[2]（2014）在《四类基于支持向量机的多类分类器的性能比较》一文中研究指出本文通过UCI数据库中的五个数据集,从分类准确性和运行时间两个方面,比较了四类基于支持向量机的多类分类器——多类支持向量机(MSVM),多元双生支持向量机(MTSVM),多生支持向量机(MBSVM)以及多元支持向量分类回归机(MSVCR)的性能.实验结果表明,MTSVM和MBSVM比MSVM和MSVCR更有效.(本文来源于《聊城大学学报(自然科学版)》期刊2014年03期）
任方,马尚才[3]（2014）在《基于条件对数似然的BP神经网络多类分类器》一文中研究指出BP神经网络分类器存在收敛速度慢的缺陷,为了提高分类器性能,针对这一缺陷对BP算法进行改进.提出将条件对数似然(CLL)准则融入到监督性BP神经网络多类型分类过程中,利用CLL的可分解性优势,计算测试样本的条件概率,在误差反向传播时利用条件概率对权值进行相应的加权降权操作,简化误差反馈过程中的计算量.在实验中对改进算法的收敛速度和准确率进行了测试,说明了该算法的有效性及实用性.(本文来源于《计算机系统应用》期刊2014年06期）
Naser,Farajzadeh[4]（2013）在《基于超概率编码的多类分类器》一文中研究指出This thesis proposes a new approach to improve multiclass classifica-tion performance by employing Stacked Generalization structure and One-Against-One decomposition strategy. The proposed approach en-codes the outputs of all pairwise classifiers by implicitly embedding two-class discriminative information in a probabilistic manner. The encoded outputs, called Meta Probability Codes (MPCs), are inter-preted as the projections of the original features. It is shown that the MPC, compared to the original features, has more appropriate fea-tures for clustering. Based on MPC features, we introduce a cluster-based multiclass classification algorithm, called MPC-Clustering. The MPC-Clustering algorithm uses the proposed approach to project an original feature space to MPC, and then it employs a clustering scheme to cluster MPCs. Subsequently, it trains individual multi-class classifiers on the produced clusters to complete the procedure of multiclass classifier induction.The performance of our proposed algorithm is evaluated by applying it on20different datasets from the UCI machine learning database repository. It is shown that our algorithm improves the classification rate by almost2.4%on average. Moreover, the performance of the projected features is also evaluated without applying a clustering step. That is, a known multiclass classifier is trained directly on the pro-jected samples. It is shown that the classification accuracy of SVM and k-NN trained on the projected features improved by0.99%and3.62%, respectively.In this thesis, we also study the performance of the MPC features on two real world applications, face and facial expression recognition via proposing an MPC-based framework, in which any feature extractor and classifier can be incorporated in the proposed framework using the meta-feature generation mechanism. In the experimental studies, we use some of the state-of-the-art and promising multiclass classi-fiers and information representation techniques. The results of the extensive experiments conducted on three facial expression datasets; Cohn-Kanade, JAFFE and TFEID, and two face recognition datasets; FERET and CAS-PEAL-R1, show that the MPC features promote the performance of face and facial expression recognition inherently.(本文来源于《浙江大学》期刊2013-06-30）
张裕翔[5]（2013）在《超多类分类器的设计与实现》一文中研究指出随着科技的发展和网络的普及，人们可获得的数据量越来越多，这些数据多数是以文本的形式存在的。网络已经成为了人们生活中一个必不可少的生活组成部分，人们通过网络看新闻、视频等事项获取信息。所以通过程序对网页进行分类成为辅助人们浏览网页的一个必要需求，网页中的数据繁杂众多，传统的分类模型和算法也成为当今的研究的热点之一。无论是一对一余结构的算法，还是常用的一对一结构的算法，对于超多类的分类问题，都需要解决K(K-1)/2个规划问题。从而导致分类的速度很慢，另外传统的统计模式识别方法都是在样本数目足够多的前提下进行研究。现在提出的各种方法只有在样本数趋向无穷大时才能保证模型或算法的理论，所以在实际应用中具有局限性。为了解决这个问题，我们开发了一个超多类分类器，我们对样本网络数据进行训练学习，得到SVM分类模型，最后通过用该模型进行分类来进行试验。本文在详细分析了当前一些二叉树生成算法的特点与理论缺陷的基础上提出了与支持向量机结合的一种新的算法，它有效地避免了野点带来的问题，因而具有一定的抗干扰性能。它综合考虑了类间距离、类内聚合度及最优分类面的影响因素，使得算法在理论上更加完善，在实际应用中具有较强的推广能力。首先对SVM超多类分类器、CNN和BP算法进行比较。每一个算法对400个样本网页进行测试，这400个样本共分为8个类别，其中每个类别包含50个样本，对50个样本进行分类计算。通过对分类的结果进行分析，确定我们的算法的分类准确性，另外与其他算法进行比较确定我们的算法与现有的分类器的差别。经过试验证明我们的算法的分类准确性高于其他算法，并且可分的类别准确度也比其他算法要高。(本文来源于《吉林大学》期刊2013-05-01）
李志鹏,马田香,杜兰,徐丹蕾,刘宏伟[6]（2013）在《在雷达HRRP识别中多特征融合多类分类器设计》一文中研究指出在传统线性关联向量机的基础上,设计了一种多特征融合的多类分类器.该分类器基于多类Probit回归模型将传统的两类线性关联向量机推广为多类关联向量机,利用线性关联向量机的特征选择功能,对融合的高维特征向量进行降维和合理的幂次扩展,使线性关联向量机具有构造非线性分类界面的能力,以保证对非线性多类分类问题稳健的融合识别性能.针对雷达高分辨距离像目标识别问题,提取3种平移不变特征,使用提出的多特征融合的多类分类器在基于实测数据的识别实验中得到了稳健的融合识别结果.(本文来源于《西安电子科技大学学报》期刊2013年01期）
赵文嵩,马文慧,范丽亚[7]（2012）在《基于SVM的决策树多类分类器及在遥感图像中的应用》一文中研究指出利用叁种不同的聚类方法——利用类均值的最小距离聚类、利用类均值的最大距离聚类和利用最大间隔准则聚类,提出了叁个基于SVM的决策树多类分类器.为了检验所提算法的有效性和先进性,对AVIRIS遥感图像进行了实验.实验结果表明,本文所提的叁种算法明显好于最小距离分类法、线性判别分类法、决策树分类法、OAR-SVM和OAO-SVM.(本文来源于《聊城大学学报(自然科学版)》期刊2012年02期）
唐英,李应珍[8]（2012）在《线性支持向量机多类分类器几何构造方法》一文中研究指出针对支持向量机多类分类问题,根据样本点集凸包找寻模式类间隙,通过提取模式类间隙多边形中轴线构造多类分类边界。当基本支持向量机扩展为多类分类问题时,该方法克服了OAO和OAA等传统方法存在的决策盲区和类别不平衡等缺陷。基于仿真数据集的实验结果表明,构造的分类边界在保证分类精度的同时,能够使分类空隙最大化,实现对线性可分多类数据的最优分类。(本文来源于《计算机工程》期刊2012年04期）
王伟,马永强,彭强[9]（2011）在《SVM多类分类器在车牌字符识别中的应用》一文中研究指出为解决普通支持向量机多类分类器对车牌字符识别准确率低、速度慢等问题,研究了基于支持向量机二叉分类树的车牌字符识别算法。根据车牌字符的结构特征提出了利于字符分类的粗像素特征提取方案,并对字符进行相应的特征提取,通过KL变换对生成的特征向量进行降维处理以提高字符识别速度,最后利用Fisher判别准则构造支持向量机二叉分类树,保证每类字符均具有最大可分离性,提高了字符识别率。对车牌字符集进行了识别测试,实验结果表明了该算法的可行性和有效性。(本文来源于《计算机工程与设计》期刊2011年09期）
陈晓红[10]（2010）在《类依赖的相关性多类分类器》一文中研究指出典型相关分析(CCA)是利用样本的相关性进行特征提取的一种重要的降维方法,而相关性判别分析(CDA)则是在特征空间中最大化同类样本对间的相关性,同时最小化不同类样本对间的相关性,可看作类依赖的典型相关分析。这两种方法的特征提取与其后的分类器是两个相互独立的过程,如此不可避免地会影响分类器的性能。借助正则单纯形的顶点等距并具有仿射不变性的特性,将其作为类标号编码,把样本中包含的类信息结合到分类器设计中,最大化各个样本与其类标号的相关性,同时最小化样本与其余类标号之间的相关性,得到类依赖的相关性多类分类器(CCMC)。进一步通过与经验核相结合,获得了具有更强分类性能的核化版非线性分类器EK-CCMC。人工数据集和部分UCI数据集上的实验结果表明,利用类依赖的相关性直接设计分类器可以提高分类性能。(本文来源于《计算机工程与应用》期刊2010年02期）
多类分类器论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文通过UCI数据库中的五个数据集,从分类准确性和运行时间两个方面,比较了四类基于支持向量机的多类分类器——多类支持向量机(MSVM),多元双生支持向量机(MTSVM),多生支持向量机(MBSVM)以及多元支持向量分类回归机(MSVCR)的性能.实验结果表明,MTSVM和MBSVM比MSVM和MSVCR更有效.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
多类分类器论文参考文献
[1].李雪花,许姜涤宇,于安军,杜宇人.基于SVM多类分类器的字符识别[J].信息技术.2016
[2].候明,张新新,范丽亚.四类基于支持向量机的多类分类器的性能比较[J].聊城大学学报(自然科学版).2014
[3].任方,马尚才.基于条件对数似然的BP神经网络多类分类器[J].计算机系统应用.2014
[4].Naser,Farajzadeh.基于超概率编码的多类分类器[D].浙江大学.2013
[5].张裕翔.超多类分类器的设计与实现[D].吉林大学.2013
[6].李志鹏,马田香,杜兰,徐丹蕾,刘宏伟.在雷达HRRP识别中多特征融合多类分类器设计[J].西安电子科技大学学报.2013
[7].赵文嵩,马文慧,范丽亚.基于SVM的决策树多类分类器及在遥感图像中的应用[J].聊城大学学报(自然科学版).2012
[8].唐英,李应珍.线性支持向量机多类分类器几何构造方法[J].计算机工程.2012
[9].王伟,马永强,彭强.SVM多类分类器在车牌字符识别中的应用[J].计算机工程与设计.2011
[10].陈晓红.类依赖的相关性多类分类器[J].计算机工程与应用.2010
论文知识图
