基于混合二叉树结构的多类支持向量机分类方法

简介：
本研究提出了一种基于混合二叉树结构的多类支持向量机分类方法，有效提高了大规模数据集上的分类准确率和效率。 为了提高多类支持向量机的分类效率，我们提出了一种基于混合二叉树结构的多类支持向量机分类算法。在该方法中，每个内部节点代表一个分割超平面，这个超平面通过计算两个距离最远类别质心的方法获得，并且是连接这两点线段的垂直平分线。而每一个终端结点（即决策结点）对应着一个支持向量机模型，其训练数据集由两类样本组成而非单一类别的质心。 这种分类结构结合了超平面和多个支持向量机构成，其中超平面主要用于早期近似划分以加速计算过程；而在每个分支的末端则使用精确的支持向量机进行最终决策。实验结果显示，在保证同样精度的前提下，此算法能够显著减少计算时间并提高整体效率，相比传统的多类支持向量机方法有明显优势。