文献类型：期刊文章

作　　者：凌萍[1] 周春光[1]

机构地区：[1]吉林大学计算机科学与技术学院教育部符号计算与知识工程重点实验室

出　　处：《计算机科学与探索》

基　　金：国家自然科学基金重点项目No.60433020,60673099,60773095;985工程:“计算与软件科学科技创新平台”项目;国家高技术研究发展计划(863)No.2007AA04Z114;教育部“符号计算与知识工程”重点实验室资助~~

年　　份：2008

卷　　号：2

期　　号：2

起止页码：192-197

语　　种：中文

收录情况：AJ、CSA、CSA-PROQEUST、CSCD、CSCD_E2011_2012、IC、ZGKJHX、普通刊

摘　　要：设计了SVM置信度在线评估方案,以此确定SVM做多分类时结果的风险程度,对高风险决策结果进行修正。置信度评估采用理论估计和经验估计相结合的方式。多分类决策结果的修正由在线生成的局部分类器完成。局部分类器在待查询数据的邻域内工作,此邻域基于一个局部测度而生成。实验表明,所设计的算法呈现了较好的分类能力,提高了传统同类方法的分类准确率。

关 键 词：SVM 置信度评估 决策风险值  局部分类器  局部测度  

分 类 号：TP301]