论文研究基于KNN算法的改进的一对多SVM多分类器.pdf

针对传统支持向量机（SVM）多分类一对多算法存在的运算量大、耗时长、数据偏斜以及对最优超平面附近点分类易出错问题，提出了一种改进方法。将数据空间分为密集区和稀疏区，各类中密集点归于密集区，其余归于稀疏区。将每类中密集点连同它附近的点用于训练得到相应的SVM分类器。在测试阶段，对密集区的待测样本用传统的一对多判别准则来做类别预测；对稀疏区的待测样本则采用K近邻（KNN）算法。数值实验结果表明，改进的算法在耗时和分类精度上都优于原算法，对解决一对多算法存在的问题有较好的成效。