一种新的基于平衡决策树的SVM多类分类算法

为了有效地减少样本训练时间, 提高多类分类器的识别率, 同时使模型具有较好的推广能力, 在综合考虑待 分类样本数和类别易分性能的基础上, 在“先分样本数较大的类”和“先分易分的类”之间折衷考虑, 提出一种基于 样本的新的类划分方案. 采用平衡决策树结构, 得到了一种新的决策树支持向量机多类分类算法. 实验结果表明, 该 算法在不降低识别率的情况下, 能大大减少系统的训练时间, 是一种有效的多类分类算法.